<p>艾麗絲&middot;亞當斯(Alyce Adams)博士對改善邊緣社區(qū)人民健康狀況的熱情，是受到她在加利福尼亞州、俄克拉荷馬州和阿肯色州目睹的患有慢性病的老年親屬所遭受的痛苦的啟發(fā)。</p> <p>&nbsp;</p> <p>亞當斯渴望了解為什么有醫(yī)療保險的成年人會有如此災難性的健康后果，最終她去了哈佛大學，在那里她獲得了健康政策博士學位。</p> <p>&nbsp;</p> <p>此后，她在學術和研究機構工作了20年，開展研究，為解決和預防患有多種慢性疾病的人的次優(yōu)治療政策提供信息，特別是在少數族裔和低收入社區(qū)。</p> <p>&nbsp;</p> <p>現在，亞當斯是斯坦福大學醫(yī)學創(chuàng)新教授的首任教授，他是斯坦福醫(yī)學院努力提高少數群體和服務不足社區(qū)的醫(yī)療保健質量和結果的領導者。</p> <p>&nbsp;</p> <p>除了教學和指導，亞當斯還共同指導了斯坦福大學醫(yī)學委員會正義與公平健康公平卓越工作組。她還是斯坦福癌癥研究所癌癥健康公平的副主任，以及衛(wèi)生政策部門健康公平和社區(qū)參與的副主席。</p> <p>&nbsp;</p> <p>斯坦福醫(yī)學首席戰(zhàn)略官兼高級副院長、正義與公平委員會成員普麗婭&middot;辛格(Priya Singh)最近與亞當斯談論了她在健康差距方面的發(fā)現，以及她在斯坦福醫(yī)學及其他領域推動有意義的健康公平進步的愿景。</p> <p>&nbsp;</p> <p>辛格:是什么激勵你做今天的工作?</p> <p>&nbsp;</p> <p>亞當斯:在成長過程中，我看到了糖尿病等慢性疾病對我自己家庭成員的毀滅性影響。更糟糕的是，我對接受這些結果感到困擾，比如反復截肢和失明，只是一個患有慢性疾病的黑人的后果。它激發(fā)了我對衛(wèi)生政策及其改善衛(wèi)生保健和解決這些差距的潛力的興趣。</p> <p>&nbsp;</p> <p>辛格:為什么慢性病不成比例地影響邊緣化群體?我們能做些什么來提供幫助呢?</p> <p>&nbsp;</p> <p>亞當斯:造成不平等的因素包括病人、人際關系、衛(wèi)生系統(tǒng)、社區(qū)、社會和政策層面的因素。例如，讓我們以藥物依從性為例:歷史上對黑人患者的種族不公正導致許多人不信任醫(yī)生和他們開出的治療方法。同樣，醫(yī)生對某個病人是否有能力支付新藥的個人信念可能會影響處方。</p> <p>&nbsp;</p> <p>&ldquo;將受不良健康狀況影響的社區(qū)的人納入工作，可以提高工作質量，并有可能改善健康狀況。&rdquo;</p> <p>&nbsp;</p> <p>Alyce Adams博士，斯坦福醫(yī)學領袖和衛(wèi)生公平政策專家</p> <p>&nbsp;</p> <p>衛(wèi)生系統(tǒng)也可能沒有足夠的口譯人員來幫助英語不流利的人找到他們的護理選擇。此外，在一些社區(qū)，住房和食物成本的上漲可能會阻止患者購買藥物或堅持他們的治療。</p> <p>&nbsp;</p> <p>專注于單一的驅動因素，如獲得高質量的醫(yī)療保健，不足以消除這些差距。我們還必須考慮更廣泛的衛(wèi)生和社會政策&mdash;&mdash;這是我們在新的衛(wèi)生政策部正在做的事情，我們在那里采取多學科方法來制定政策解決方案，以解決衛(wèi)生不平等問題。</p> <p>&nbsp;</p> <p>辛格:你能談談我們如何讓更多得不到醫(yī)療服務的人參與醫(yī)學研究嗎?為什么這很重要?</p> <p>&nbsp;</p> <p>亞當斯:有影響力的研究的核心是提出正確的問題并找到答案。為了產生最大的影響，與患者、社區(qū)和從業(yè)人員接觸至關重要。</p> <p>&nbsp;</p> <p>作為學者，我們擅長根據我們對世界的理論理解和現有證據來提出問題，以支持或反駁這些理論。</p> <p>&nbsp;</p> <p>然而，有生活經驗的人和致力于解決他們需求的從業(yè)者能夠更好地幫助我們優(yōu)先考慮具有最大潛在影響的研究問題。例如，社區(qū)合作伙伴可以識別可能導致癌癥和其他疾病差異的環(huán)境因素。</p> <p>&nbsp;</p> <p>通常情況下，被選為研究參與者或自愿加入研究團隊的人并不是那些從研究中受益最多的人。</p> <p>&nbsp;</p> <p>將受不利健康狀況影響的社區(qū)的人納入工作范圍，可提高工作質量和改善健康的潛力。我們正在與社區(qū)護理提供者和倡導團體合作，教育社區(qū)有關臨床試驗的知識，并使患者更容易參與。</p> <p>&nbsp;</p> <p>在另一項合作中，斯坦福癌癥研究所的臨床試驗辦公室和斯坦福醫(yī)療保健部門正在評估臨床試驗提案，著眼于多樣性、公平性和包容性。例如，我們正在鼓勵科學家考慮向患有一種以上疾病的人(通常被排除在外)開放試驗，以增加種族和地域更多樣化的患者的參與。</p> <p>&nbsp;</p> <p>辛格:你談到了&ldquo;獲得積極健康結果的平等機會&rdquo;的必要性。你能詳細說明這個概念并解釋我們如何實現它嗎?</p> <p>&nbsp;</p> <p>亞當斯:最需要幫助的人往往是最后從醫(yī)療改革中受益的人。因此，除了改善獲得高質量護理的機會外，我們還需要確定衛(wèi)生系統(tǒng)內外的戰(zhàn)略，以加速讓最脆弱的患者受益于治療創(chuàng)新。</p> <p>&nbsp;</p> <p>實現這一目標的關鍵是在研究人員、患者、社區(qū)、從業(yè)人員和政策制定者之間建立伙伴關系，以創(chuàng)建處于創(chuàng)新前沿的公平干預措施。</p> <p>&nbsp;</p> <p>例如，我們的研究實驗室正在與癌癥患者、幸存者和臨床醫(yī)生合作，開發(fā)和評估一種算法，以確定哪些患者有化療誘發(fā)神經病的風險。我們還與這些團體合作，以了解患者對平衡化療風險和收益的看法。</p> <p>&nbsp;</p> <p>&ldquo;同樣地，我們必須接受我們的假設是錯誤的可能性，我們必須接受我們的方法可能有缺陷的地方。&rdquo;</p> <p>&nbsp;</p> <p>Alyce亞當斯</p> <p>&nbsp;</p> <p>辛格:你提到了在癌癥治療中使用算法。人工智能等新技術還能如何幫助解決健康差距問題?</p> <p>&nbsp;</p> <p>Adams:衛(wèi)生政策部門和其他部門的杰出學者已經正確地注意到算法在臨床護理和結果中產生或加劇偏見的潛力。</p> <p>&nbsp;</p> <p>至少，生物醫(yī)學倫理學應該應用于這些算法的開發(fā)、部署和改編，以減少潛在的傷害，并使?jié)撛诘睦孀畲蠡?lt;/p> <p>&nbsp;</p> <p>為此，我們可以確保用于訓練算法的數據代表那些受算法影響的人，讓社區(qū)和臨床醫(yī)生合作伙伴參與算法實施和監(jiān)測工作流程的開發(fā)，并使用人工智能來增強而不是取代患者和提供者的自主決策。</p> <p>&nbsp;</p> <p>我們也在關注這些算法如何為更公平的醫(yī)療保健實踐的發(fā)展提供信息。例如，我們與Kaiser Permanente、哈佛大學和東北大學的同事合作，使用因果推斷和機器學習來模擬隨機對照試驗，以確定可能解決由于成本原因而導致臨床有效藥物使用不足的干預組合。</p> <p>&nbsp;</p> <p>辛格:你認為哪些方面取得了最大的進展?是什么給了你希望?</p> <p>&nbsp;</p> <p>Adams:我對目前對衛(wèi)生不平等的結構性和系統(tǒng)性驅動因素的關注以及改進研究實踐的努力感到鼓舞。作為科學家，我們必須愿意用批判的眼光審視自己的工作，改變我們的方法，承認和解決以前未承認的偏見。例如，一些期刊要求機器學習算法的出版物包括對少數子群體的潛在偏見的討論。</p> <p>&nbsp;</p> <p>以同樣的方式，我們必須接受我們的假設是錯誤的可能性，我們必須接受我們的方法可能是有缺陷的。這種自省的意愿和對未來的好奇是我們所做的事情的核心。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學態(tài)度觀點。</p> </blockquote>