Questo è l'algoritmo del vaccino di Stanford che ha escluso i medici in prima linea

Yichuan Cao/Sipa USA

Quando i medici residenti allo Stanford Medical Center, molti dei quali lavorano in prima linea nella pandemia di covid-19, hanno scoperto che solo sette su oltre 1.300 di loro avevano avuto la priorità per le prime 5.000 dosi del vaccino contro il covid, sono rimasti scioccati . Poi, quando hanno visto chi altro aveva fatto la lista, inclusi amministratori e medici che vedevano i pazienti a distanza da casa, si sono arrabbiati.

Durante un servizio fotografico programmato per celebrare le prime vaccinazioni che si terranno venerdì 18 dicembre, almeno 100 residenti si è presentato per protestare. La dirigenza dell'ospedale si è scusata per non aver dato loro la priorità e ha attribuito gli errori a un algoritmo molto complesso.

Il nostro algoritmo, su cui gli esperti di etica, gli esperti di malattie infettive hanno lavorato per settimane... chiaramente non ha funzionato bene, ha detto ai residenti all'evento Tim Morrison, il direttore del team di assistenza ambulatoriale in un video pubblicato in linea .

I residenti di Stanford protestano per un servizio fotografico per celebrare l'arrivo di un vaccino.

PER CORTESIA DI WILLIAM FITZGERALD

Molti l'hanno vista come una scusa, soprattutto perché la dirigenza dell'ospedale lo aveva fatto è stato informato del problema martedì —quando solo cinque residenti hanno fatto la lista—e hanno risposto non aggiustando l'algoritmo, ma aggiungendo altri due residenti per un totale di sette.

Una delle principali attrazioni degli algoritmi è che consentono ai potenti di incolpare una scatola nera per risultati politicamente poco attraenti di cui altrimenti sarebbero responsabili, ha scritto Roger McNamee, un importante insider della Silicon Valley diventato critico, su Twitter. Ma *le persone* hanno deciso chi avrebbe ricevuto il vaccino, twittato Veena Dubal, professoressa di diritto presso l'Università della California, Hastings, che ricerca tecnologia e società. L'algoritmo ha appena eseguito la loro volontà.

Ma qual era esattamente la volontà di Stanford? Abbiamo dato un'occhiata all'algoritmo per scoprire cosa doveva fare.

Come funziona l'algoritmo

La diapositiva che descrive l'algoritmo proveniva dai residenti che l'avevano ricevuta dal presidente del loro dipartimento. Non è un complesso algoritmo di apprendimento automatico (spesso indicato come scatole nere) ma una formula basata su regole per calcolare chi avrebbe ricevuto il vaccino per primo a Stanford. Considera tre categorie: variabili basate sul dipendente, che hanno a che fare con l'età; variabili basate sul lavoro; e le linee guida del Dipartimento della salute pubblica della California. Per ciascuna categoria, il personale ha ricevuto un certo numero di punti, con un punteggio totale possibile di 3,48. Presumibilmente, maggiore è il punteggio, maggiore è la priorità della persona in linea. (Lo Stanford Medical Center non ha risposto a più richieste di commento sull'algoritmo durante il fine settimana.)

Le variabili del dipendente aumentano il punteggio di una persona in modo lineare con l'età e vengono aggiunti punti extra a quelli con più di 65 anni o con meno di 25 anni. Ciò dà la priorità al personale più anziano e più giovane, il che svantaggia i residenti e gli altri lavoratori in prima linea che sono tipicamente di mezza età gamma.

Le variabili del lavoro contribuiscono maggiormente al punteggio complessivo. L'algoritmo conta la prevalenza del covid-19 tra i ruoli lavorativi e il reparto dei dipendenti in due modi diversi, ma la differenza tra loro non è del tutto chiara. Né i residenti né due esperti non affiliati a cui abbiamo chiesto di rivedere l'algoritmo hanno capito cosa significassero questi criteri e lo Stanford Medical Center non ha risposto a una richiesta di commento. Considerano anche la percentuale di test sostenuti per ruolo lavorativo come percentuale del numero totale di test raccolti dal centro medico.

Storia correlata

Potremmo avere solo poche settimane per agire prima che una variante del coronavirus domini gli Stati Uniti. Un ceppo di covid-19 che sembra diffondersi più velocemente si sta scontrando con la campagna per vaccinare gli americani.

Ciò che questi fattori non tengono in considerazione è l'esposizione a pazienti con covid-19, affermano i residenti. Ciò significa che l'algoritmo non ha distinto tra coloro che hanno preso il covid dai pazienti e coloro che l'hanno preso dalla diffusione della comunità, compresi i dipendenti che lavorano da remoto. E come prima segnalato da ProPublica, ai residenti è stato detto che, poiché ruotano tra i dipartimenti piuttosto che mantenere un unico incarico, hanno perso punti associati ai dipartimenti in cui lavoravano.

La terza categoria dell'algoritmo si riferisce al Linee guida per l'assegnazione del vaccino del Dipartimento della salute pubblica della California . Questi si concentrano sul rischio di esposizione come singolo fattore più alto per la definizione delle priorità del vaccino. Le linee guida sono destinate principalmente alle contee e ai governi locali per decidere come dare la priorità al vaccino, piuttosto che come stabilire la priorità tra i dipartimenti di un ospedale. Ma includono specificamente i residenti, insieme ai dipartimenti in cui lavorano, nel livello di priorità più alta.

È possibile che il fattore di intervallo CDPH dia ai residenti un punteggio più alto, ma non ancora sufficientemente alto da contrastare gli altri criteri.

Perché l'hanno fatto in quel modo?

Stanford ha cercato di prendere in considerazione molte più variabili rispetto ad altre strutture mediche, ma Jeffrey Kahn, il direttore del Johns Hopkins Berkman Institute of Bioethics, afferma che l'approccio è stato eccessivamente complicato. Più ci sono pesi diversi per cose diverse, diventa più difficile capire: 'Perché l'hanno fatto in quel modo?', dice.

Kahn, che faceva parte del comitato di 20 membri della Johns Hopkins per l'assegnazione dei vaccini, afferma che la sua università ha assegnato i vaccini semplicemente in base al lavoro e al rischio di esposizione al covid-19.

Dice che la decisione si basava su discussioni che includevano intenzionalmente diverse prospettive, comprese quelle dei residenti, e in coordinamento con altri ospedali del Maryland. Altrove, il piano dell'Università della California di San Francisco si basa su una valutazione simile del rischio di esposizione al virus. Il generale di massa Brigham a Boston classifica i dipendenti in quattro gruppi in base al dipartimento e all'ubicazione del lavoro, secondo un'e-mail interna esaminata da MIT Technology Review.

C'è così poca fiducia in tutto ciò che riguarda la pandemia, non possiamo sperperarla.

È davvero importante [per] qualsiasi approccio come questo essere trasparente e pubblico... e non qualcosa di veramente difficile da capire, dice Kahn. C'è così poca fiducia in tutto ciò che riguarda la pandemia, non possiamo sperperarla.

Gli algoritmi sono comunemente usati nell'assistenza sanitaria per classificare i pazienti in base al livello di rischio nel tentativo di distribuire cure e risorse in modo più equo. Ma più variabili vengono utilizzate, più difficile è valutare se i calcoli potrebbero essere errati.

Ad esempio, nel 2019, uno studio pubblicato su Science ha mostrato che 10 algoritmi ampiamente utilizzati per la distribuzione delle cure negli Stati Uniti hanno finito per favorire i pazienti bianchi rispetto a quelli neri. Il problema, si è scoperto, era che i progettisti degli algoritmi presumevano che i pazienti che spendevano di più per l'assistenza sanitaria fossero più malati e avessero bisogno di più aiuto. In realtà, chi spende di più è anche più ricco e ha maggiori probabilità di essere bianco. Di conseguenza, l'algoritmo ha assegnato meno cure ai pazienti neri con le stesse condizioni mediche di quelli bianchi.

Irene Chen, una dottoranda del MIT che studia l'uso di algoritmi equi nell'assistenza sanitaria, sospetta che questo sia quello che è successo a Stanford: i progettisti della formula hanno scelto variabili che ritenevano servissero come buoni proxy per il livello di rischio covid di un determinato personale. Ma non hanno verificato che questi proxy portassero a risultati sensati o risposto in modo significativo al contributo della comunità quando il piano di vaccinazione è venuto alla luce martedì della scorsa settimana. Non è una brutta cosa che le persone ci abbiano pensato in seguito, dice Chen. È che non c'era un meccanismo per risolverlo.

Un canarino nella miniera di carbone?

Dopo le proteste, Stanford ha emesso un formale scuse , dicendo che avrebbe rivisto il suo piano di distribuzione.

I rappresentanti dell'ospedale non hanno risposto alle domande su chi avrebbero incluso nei nuovi processi di pianificazione o se l'algoritmo avrebbe continuato a essere utilizzato. Un'e-mail interna che riassume la risposta della scuola di medicina, condivisa con MIT Technology Review, afferma che né i capi programma, i presidenti di dipartimento, i medici curanti né il personale infermieristico sono stati coinvolti nella progettazione dell'algoritmo originale. Ora, tuttavia, alcuni docenti stanno spingendo per avere un ruolo più importante, eliminando completamente i risultati degli algoritmi e dando invece ai capi di divisione e ai presidenti di divisione l'autorità di prendere decisioni per le proprie squadre.

Altri presidenti di dipartimento hanno incoraggiato i residenti a vaccinarsi prima. Alcuni hanno persino chiesto alla facoltà di portare con sé i residenti quando vengono vaccinati o di ritardare le vaccinazioni in modo che altri potessero andare per primi.

Alcuni residenti stanno bypassando del tutto il sistema sanitario universitario. Nuriel Moghavem, un neurologo residente che è stato il primo a pubblicizzare i problemi a Stanford, venerdì pomeriggio ha twittato di aver finalmente ricevuto il vaccino, non a Stanford, ma in un ospedale pubblico della contea di Santa Clara County.
Mi sono vaccinato oggi per proteggere me stesso, la mia famiglia e i miei pazienti, ha twittato . Ma ho avuto l'opportunità solo perché il mio ospedale pubblico della contea crede che i residenti siano fornitori critici in prima linea. Grato.

nascondere