پژوهشگران MIT و بیمارستان عمومی ماساچوست (Mass General Hospital) اختلافاتی را در پذیرش اندام‌های پیوندی کشف کردند.
در سال ۱۹۵۴، نخستین پیوند عضو موفقیت‌آمیز در جهان در بیمارستان Brigham and Women’s انجام شد؛ به شکل کلیه‌ای که یکی از دوقلوها به دیگری اهدا کرد. در آن زمان، گروهی از پزشکان و دانشمندان به درستی این نظریه را مطرح کرده بودند که آنتی‌بادی‌های گیرنده به احتمال زیاد یک عضو اهدا شده از دوقلوی همسان را پس نخواهند زد. یک جایزه نوبل و چند دهه بعد، پیشرفت در داروهای سرکوب‌کننده سیستم ایمنی، امکان‌پذیری و تقاضا برای پیوند اعضا را افزایش داد. امروزه بیش از یک میلیون پیوند عضو در ایالات متحده انجام شده است؛ بیشتر از هر کشور دیگری در جهان.
ابعاد چشمگیر این دستاورد به لطف پیشرفت در سیستم‌های تطبیق عضو امکان‌پذیر شد: نخستین سیستم مبتنی بر رایانه برای تطبیق عضو در سال ۱۹۷۷ عرضه شد. با وجود نوآوری‌های مستمر در حوزه رایانش، پزشکی و فناوری تطبیق طی سال‌های گذشته، هم‌اکنون بیش از ۱۰۰ هزار نفر در ایالات متحده در فهرست انتظار ملی پیوند عضو قرار دارند و روزانه ۱۳ نفر در انتظار پیوند عضو جان خود را از دست می‌دهند.
بیشتر پژوهش‌های محاسباتی در زمینه تخصیص عضو بر مراحل ابتدایی متمرکز است، زمانی که بیماران در فهرست انتظار برای دریافت عضو اولویت‌بندی می‌شوند. اما در مقاله‌ای جدید که در کنفرانس ACM درباره انصاف، پاسخگویی و شفافیت (FAccT) در آتن، یونان ارائه شد، پژوهشگران MIT و بیمارستان عمومی ماساچوست بر مرحله نهایی و کمتر مطالعه‌شده تمرکز کردند: یعنی پذیرش پیشنهاد عضو، زمانی که یک عضو اهداشده پیشنهاد می‌شود و پزشک در مرکز پیوند باید به‌نمایندگی از بیمار تصمیم بگیرد که آن عضو را بپذیرد یا رد کند.
«فکر نمی‌کنم خیلی شگفت‌زده شده باشیم، اما قطعاً ناامید شدیم.» این را حماد آدم، نویسنده همکار اول و دانشجوی دکترای MIT می‌گوید. پژوهشگران با استفاده از مدل‌های محاسباتی برای تحلیل داده‌های پیوند بیش از ۱۶۰ هزار نامزد پیوند عضو در ثبت علمی گیرندگان پیوند (SRTR) بین سال‌های ۲۰۱۰ تا ۲۰۲۰ دریافتند که پزشکان به‌طور کلی کمتر تمایل داشتند پیشنهادهای کبد و ریه را به‌نمایندگی از بیماران سیاه‌پوست بپذیرند؛ که این موضوع موانع بیشتری را برای بیماران سیاه‌پوست در فرآیند پذیرش پیشنهاد عضو ایجاد کرده است.
برای پیوند کبد، بیماران سیاه‌پوست ۷ درصد احتمال کمتری برای پذیرش پیشنهاد نسبت به بیماران سفیدپوست داشتند. در مورد ریه، این اختلاف حتی بزرگ‌تر بود؛ بیماران سیاه‌پوست با ویژگی‌های مشابه ۲۰ درصد احتمال کمتری برای پذیرش پیشنهاد نسبت به بیماران سفیدپوست داشتند. داده‌ها لزوماً نشان نمی‌دهند که تعصب پزشکان عامل اصلی باشد. آدم توضیح می‌دهد: «نتیجه‌ی مهم‌تر این است که حتی اگر عواملی وجود داشته باشند که تصمیم‌گیری بالینی را توجیه کنند، ممکن است شرایط بالینی‌ای وجود داشته باشد که ما آن‌ها را در نظر نگرفته‌ایم و در بیماران سیاه‌پوست شایع‌تر است.» او اضافه می‌کند: «اگر فهرست انتظار نتواند الگوهای خاصی در تصمیم‌گیری را در نظر بگیرد، می‌تواند موانعی در فرآیند ایجاد کند، حتی اگر خود فرآیند به ظاهر "بی‌طرفانه" باشد.»
پژوهشگران همچنین اشاره می‌کنند که تفاوت زیاد در میزان پذیرش پیشنهاد عضو و میزان تحمل ریسک میان مراکز پیوند می‌تواند عاملی باشد که فرآیند تصمیم‌گیری را پیچیده‌تر می‌کند. مقاله‌ی آن‌ها در FAccT به مقاله‌ای در مجله JAMA Cardiology در سال ۲۰۲۰ اشاره می‌کند که نتیجه گرفته بود: نامزدهای فهرست انتظار که در مراکز پیوند با نرخ پذیرش پایین‌تر ثبت‌نام شده‌اند، احتمال مرگ‌ومیر بیشتری دارند. یکی دیگر از یافته‌های کلیدی این بود که اگر اهداکننده و گیرنده از یک نژاد باشند، احتمال پذیرش پیشنهاد بیشتر است. مقاله این روند را «نگران‌کننده» توصیف می‌کند، به‌ویژه با توجه به بی‌عدالتی‌های تاریخی در جمع‌آوری عضو که میزان اهدای عضو از گروه‌های نژادی و قومی اقلیت را محدود کرده است.
کارهای پیشین آدم و همکارانش با هدف پر کردن این شکاف انجام شده است. سال گذشته، آن‌ها ORCHID (Organ Retrieval and Collection of Health Information for Donation) را گردآوری و منتشر کردند؛ نخستین مجموعه‌داده‌ی چندمرکزی که عملکرد سازمان‌های تأمین عضو (OPOs) را توصیف می‌کند. ORCHID شامل داده‌های ۱۰ ساله‌ی OPO است و با هدف تسهیل پژوهش‌هایی طراحی شده که به تعصب در فرآیند تأمین عضو می‌پردازند. آدم می‌گوید: «انجام کار خوب در این حوزه زمان‌بر است.» او اشاره می‌کند که کل پروژه‌ی مربوط به پذیرش پیشنهاد عضو چندین سال طول کشید. به گفته‌ی او، تاکنون تنها یک مقاله ارتباط میان پذیرش پیشنهاد عضو و نژاد را بررسی کرده است. ماهیت بوروکراتیک و بسیار میان‌رشته‌ای پروژه‌های بالینی هوش مصنوعی می‌تواند دانشجویان تحصیلات تکمیلی علوم کامپیوتر را از ورود به آن‌ها منصرف کند، اما آدم متعهد شد که در طول دوره دکتری‌اش در آزمایشگاه مرزیه قاسمی، دانشیار مهندسی برق و عضو وابسته کلینیک جمیل MIT و مؤسسه مهندسی پزشکی و علوم، این پروژه را به انجام برساند.
به دانشجویان تحصیلات تکمیلی که علاقه‌مند به انجام پروژه‌های پژوهشی در حوزه‌ی هوش مصنوعی بالینی هستند، آدم توصیه می‌کند که خود را از «چرخه‌ی چاپ مقاله هر چهار ماه یک بار» آزاد کنند. او می‌گوید: «صادقانه بگویم، برای من رهاکننده بود — اشکالی ندارد اگر این همکاری‌ها مدتی طول بکشند. سخت است که از این موضوع اجتناب کنید. من چند سال پیش آگاهانه این انتخاب را کردم و از انجام آن کار خوشحال بودم.» این کار با حمایت مالی از سوی کلینیک جمیل MIT انجام شد. همچنین بخشی از آن توسط مرکز توسعه تاکدا آمریکا (که جانشین حقوقی شرکت Millennium Pharmaceuticals Inc. است)، جایزه‌ی خدمات پژوهشی ملی NIH با نام Ruth L. Kirschstein National Research Service Award، کرسی هوش مصنوعی CIFAR در مؤسسه Vector، و نیز توسط مؤسسه ملی سلامت ایالات متحده (NIH) پشتیبانی شد.
منبع:news.mit.edu