AI coraz lepiej rozumie zdrowie. Ale niekoniecznie kobiece

Sztuczna inteligencja coraz śmielej wchodzi do medycyny, aplikacje zdrowotne analizują sen, stres i cykl hormonalny, a trendy wellbeingowe obiecują coraz bardziej „spersonalizowane” podejście do zdrowia. Problem w tym, że wiele z tych rozwiązań nadal powstaje na podstawie danych, które przez dekady znacznie lepiej opisywały mężczyzn niż kobiety. Paradoks współczesnej technologii polega na tym, że im bardziej systemy mają być precyzyjne i indywidualne, tym wyraźniej widać ograniczenia danych, na których zostały zbudowane.

Zdrowie kobiet przez lata było słabiej widoczne w danych

Wraz z rozwojem sztucznej inteligencji i medycyny opartej na danych coraz częściej wraca pytanie o to, na jakich danych opierają się współczesne modele zdrowotne. Przez lata wiele badań klinicznych i modeli diagnostycznych bazowało na ograniczonych grupach pacjentów, co mogło wpływać na sposób interpretacji objawów czy oceny ryzyka zdrowotnego. Dziś dyskusja dotyczy już nie tylko samej medycyny, ale również technologii, które uczą się na historycznych danych.

Analiza opublikowana w JAMA Network Open, obejmująca ponad 43 tys. publikacji naukowych i 13 tys. badań klinicznych, wykazała, że kobiety nadal są niedoreprezentowane w badaniach dotyczących wielu obszarów zdrowia, m.in. chorób sercowo-naczyniowych, neurologicznych czy przewlekłych chorób nerek. Autorzy badania zwracają uwagę, że mimo zmian regulacyjnych i rosnącej świadomości problemu, nierównowaga w danych nadal utrzymuje się w wielu obszarach medycyny.

To istotne, ponieważ u kobiet i mężczyzn choroby mogą występować, przebiegać i objawiać się w odmienny sposób. Objawy zawału serca bywają mniej charakterystyczne niż „klasyczny” obraz znany z podręczników medycznych. Inaczej mogą przebiegać także choroby neurologiczne, autoimmunologiczne czy metaboliczne. W efekcie kobiety częściej trafiają do systemu ochrony zdrowia później lub z mniej oczywistymi objawami.

Potwierdza to również analiza obejmująca niemal 7 mln pacjentów z Danii w badaniu „Population-wide analysis of differences in disease progression patterns in men and women” przeprowadzonym w 2019 r. Wykazano, że kobiety w przypadku setek chorób trafiają do systemu ochrony zdrowia na innym etapie rozwoju choroby niż mężczyźni, a przebieg diagnostyki i kolejność pojawiania się schorzeń również mogą wyglądać inaczej. Różnice dotyczyły nie pojedynczych przypadków, ale całych trajektorii chorób i sposobu ich rozwoju w czasie.

Trendy zdrowotne nie zawsze uwzględniają różnice biologiczne

Dyskusja o reprezentacji kobiet coraz częściej wychodzi dziś poza obszar klasycznej medycyny i badań klinicznych. Dotyczy również rynku wellbeing, biohackingu i technologii zdrowotnych, które coraz silniej wpływają na codzienne decyzje dotyczące zdrowia.

Zimne kąpiele, post przerywany, monitory snu czy aplikacje analizujące regenerację organizmu promowane są często jako uniwersalne rozwiązania wspierające odporność, metabolizm czy koncentrację. Tymczasem coraz więcej ekspertów zwraca uwagę, że wiele badań dotyczących ekspozycji na zimno, restrykcji żywieniowych czy wydolności organizmu prowadzono głównie na mężczyznach.

Dobrym przykładem są zimne kąpiele, czyli tzw. cold plunging. Trend ten w ostatnich latach stał się jednym z najbardziej popularnych elementów współczesnego wellbeing’u i biohackingu. Coraz częściej pojawiają się jednak głosy ekspertów wskazujące, że wpływ regularnej ekspozycji na zimno może wyglądać inaczej w zależności od płci, poziomu stresu czy gospodarki hormonalnej.

Specjaliści zwracają uwagę, że kobiecy organizm inaczej reaguje na stres fizjologiczny. W sytuacjach przewlekłego zmęczenia, wysokiego poziomu kortyzolu, intensywnego treningu czy po porodzie dodatkowe obciążanie organizmu może przynosić inne efekty niż te promowane w mediach społecznościowych i materiałach wellnessowych.

AI uczy się na danych, które nie zawsze są reprezentatywne

Rozwój sztucznej inteligencji dodatkowo uwidacznia problem jakości i reprezentatywności danych medycznych. Algorytmy wykorzystywane w ochronie zdrowia uczą się na istniejących zbiorach danych – analizują historię diagnoz, wyniki badań, przebieg leczenia czy wzorce ryzyka. Jeśli jednak historyczne dane przez lata lepiej opisywały mężczyzn niż kobiety, AI może reprodukować te same ograniczenia.

To właśnie dlatego coraz częściej mówi się, że technologia nie jest neutralna. Algorytmy nie tworzą uprzedzeń od zera – najczęściej wzmacniają schematy obecne wcześniej w danych i systemie ochrony zdrowia.

W praktyce może to oznaczać m.in. słabsze wychwytywanie nietypowych objawów u kobiet, błędną ocenę ryzyka czy rekomendacje zdrowotne niedostosowane do kobiecej fizjologii. Problem staje się szczególnie istotny w momencie, gdy AI jest coraz częściej wykorzystywane do analizy danych medycznych, obrazowanie czy wspierania procesów diagnostycznych w placówkach zdrowia.

– Przez lata wiele rozwiązań medycznych i technologicznych projektowano wokół „uśrednionego pacjenta”, którym najczęściej był mężczyzna. Dziś zaczynamy dostrzegać, że dane nie są neutralne, a AI może wzmacniać istniejące luki, jeśli nie uwzględniamy różnic biologicznych i społecznych. To ważna zmiana nie tylko dla medycyny, ale również dla całego rynku wellbeing i technologii zdrowotnych – mówi Karolina Tkaczuk z Forum MedTech.

– Sama technologia nie jest zagrożeniem. Wręcz przeciwnie – AI może realnie poprawiać diagnostykę, przyspieszać analizę danych i wspierać personalizację terapii. Kluczowe staje się jednak pytanie, na jakich danych budowane są modele i kogo te dane rzeczywiście reprezentują – dodaje.

Im bardziej technologia obiecuje personalizację, tym trudniej ignorować fakt, że przez dekady była budowana wokół jednego, dominującego modelu pacjenta. I być może największym wyzwaniem dla AI w zdrowiu nie jest dziś szybkość analizy danych, ale to, czy dane rzeczywiście opisują wszystkich równie dobrze.