Os rápidos avanços na Inteligência Artificial (IA) abriram caminho à criação de uma enorme gama de novas ferramentas de saúde, mas para garantir que estas ferramentas não exacerbam as desigualdades de saúde pré-existentes, os investigadores apelam à utilização de dados mais representativos no seu desenvolvimento. 

Pesquisadores do Departamento de Ortopedia, Reumatologia e Ciências Musculosqueléticas (NDORMS) de Nuffield da Universidade de Oxford, da University College London e do Centro de Pesquisa em Saúde Étnica, apoiados pela Health Data Research UK , estudaram pela primeira vez todos os detalhes dos dados de etnia no NHS. Eles descrevem a importância da utilização de dados representativos na prestação de cuidados de saúde e compilaram esta informação numa base de dados pronta para investigação.

O novo estudo, publicado na Nature Scientific Data, é a primeira parte de um projeto de três fases que visa reduzir o preconceito nos modelos de previsão de saúde da IA que são treinados em dados de pacientes do mundo real. O projeto, que aborda as disparidades étnicas que foram destacadas durante a pandemia, faz parte do Estudo Central Nacional de Dados e Conectividade COVID-19 do governo do Reino Unido, liderado pela Health Data Research UK.

Os pesquisadores usaram dados desidentificados sobre etnia e outras características de registros clínicos gerais e de saúde hospitalar, acessados com segurança no serviço Secure Data Environment (SDE) do NHS England, por meio do CVD-COVID-UK/COVID do British Heart Foundation Data Science Centre. -Consórcio IMPACT. Esta é a primeira vez que os dados de etnia dos pacientes foram estudados com tanta profundidade e amplitude para toda a população da Inglaterra. Os pesquisadores conseguiram combinar registros para analisar a etnia autoidentificada do paciente, registrada por meio de mais de 489 códigos potenciais.

Os investigadores analisaram como mais de 61 milhões de pessoas em Inglaterra identificaram a sua etnia em mais de 250 grupos diferentes. Eles também analisaram as características daqueles sem registro de sua etnia e como podem surgir conflitos nos dados de etnia dos pacientes. Os dados, agora disponíveis para utilização por outros investigadores, mostram que 1/10 dos pacientes não têm registos de etnia e cerca de 12% dos pacientes tinham códigos de etnia conflituantes nos seus registos de pacientes.

Sara Khalid, Professora Associada de Informática em Saúde e Ciência de Dados Biomédicos no NDORMS, explicou: “A desigualdade na saúde foi destacada durante a pandemia de COVID19, onde indivíduos de origens étnicas diversas foram desproporcionalmente afetados, mas a questão é antiga e multifacetada.

'Como a tecnologia de cuidados de saúde baseada em IA depende dos dados que lhe são fornecidos, a falta de dados representativos pode levar a modelos tendenciosos que, em última análise, produzem avaliações de saúde incorretas. Melhores dados provenientes de ambientes do mundo real, tais como os dados que recolhemos, podem levar a uma melhor tecnologia e, em última análise, a uma melhor saúde para todos.'

A professora Cathie Sudlow, cientista-chefe da Health Data Research UK e diretora do BHF Data Science Centre, disse: 'Estamos muito satisfeitos por apoiar centenas de pesquisadores para aproveitar o poder dos ricos dados de saúde do Reino Unido. Este estudo sobre registo étnico destaca como diferentes fontes de dados de saúde de toda a população inglesa podem ser acedidas e analisadas de forma segura, fornecendo informações que são relevantes para todos. As descobertas capacitarão os profissionais de saúde, os pacientes, os prestadores de cuidados e os decisores políticos para tomar melhores decisões que beneficiarão pessoas de todas as idades, grupos étnicos e origens sociais em todo o país.'

O estudo avaliou os detalhes disponíveis dos dados étnicos no NHS Inglaterra, incluindo diferentes tipos de códigos étnicos. Por exemplo, os hospitais do NHS registam dados de pacientes através de 19 códigos de etnia, enquanto os GPs utilizam os códigos SNOMED-CT reconhecidos mundialmente, dos quais existem 489. No entanto, os investigadores de saúde perdem os detalhes mais sutis destes sistemas de registo, uma vez que normalmente agrupam estes grupos em apenas 5 ou 6, potencialmente levando a pesquisas menos precisas.

Os investigadores planeiam demonstrar o valor destas descobertas nas fases subsequentes do projeto, que se concentrará primeiro na utilização destes resultados detalhados em dados étnicos para descrever melhor como as diferentes etnias foram afetadas pela pandemia da COVID-19, e depois alimentarão mais informações. ferramentas equitativas de inteligência artificial e aprendizado de máquina adequadas para uso por diversos grupos de pacientes.