Erstaunlich ist es, dass die Medizin bis in den letzten Jahren diesen Unterschied ignoriert hat. Der weiße Mann ist immer noch die Norm in der Medizin. Frauen, 50% der Bevölkerung, werden auf vielfältige Weise ignoriert:

• Während des Medizinstudiums – Wissenschaftler haben herausgefunden, dass Anatomie in den medizinischen Büchern anhand Abbildungen männlicher Körper erklärt wird. Das Verhältnis der Bilder ist 90% Männer und 10% Prozent Frauen.
• Bei den klinischen Studien – die meisten klinischen Studien werden mit männlichen Probanden durchgeführt. Frauen werden nicht oder nicht ausreichend berücksichtigt.
• Bei der Erfassung der Daten – Daten werden immer noch gesammelt, ohne zusätzliche Information, ob es sich um weibliche oder männliche Daten handelt.
• Beim Training von KI-Algorithmen – Moderne Systeme werden mit Daten trainiert, die nicht ausgewogen sind. Die meisten Daten beziehen sich auf Männer.

Die Konsequenzen sind verheerend: Die Medikamentendosierung ist nicht an die weibliche Physiologie angepasst, die Symptome werden teilweise nicht dem Geschlecht zugeordnet, dies bedeutet, dass manche Krankheiten bei Frauen mit Verspätung diagnostiziert werden.

Dabei haben biologischen Studien gezeigt, dass unser Geschlecht, unabhängig von unserer sexuellen Identität, jede einzelne Zelle in unserem Körper auf erhebliche Weise beeinflusst. Frauen und Männern weisen Unterschiede zum Beispiel in folgenden Bereichen auf:

• in den Biomarkern für eine Vielzahl von Krankheiten
• in Proteinen
• in Immunzellen zur Übertragung von Schmerzen
• und sogar in der Art und Weise, wie Zellen nach einem Schlaganfall sterben

Das Beispiel der HIV-Studien beleuchtet die Problematik sehr gut: HIV verursacht bei Frauen andere klinische Symptome und Komplikationen als bei Männern und trotzdem wurden die meisten Studien vorwiegend an Männern durchgeführt.

Wir können nur Daten verwenden, wenn diese vorhanden sind. Um zu verstehen, warum in Zukunft dieses Thema immer wichtiger ist, müssen wir uns mit dem Begriff Digitalisierung im Gesundheitswesen beschäftigen. In den letzten Jahren sind verschiedene Technologien immer wichtiger geworden, die helfen, in der Medizin zum Beispiel Diagnosen zu stellen. Eine App hört zu, wie wir sprechen und kann herausfinden, ob wir Parkinson haben oder eine Depression, oder alkoholkrank sind.

Diese Apps verwenden sogenannten Algorithmen: Eine Software, die in der Lage ist, aus den Daten, die sie bekommt, Schlüsse zu ziehen. Im Fall der App zur Stimmenanalyse sind viele Stimmen verwendet worden, um das System so zu trainieren, Abweichungen zwischen einer gesunden Stimme (die Norm) und einer kranken Stimme zu erkennen.

Der Algorithmus erkennt minimale Abweichungen, die der Arzt nicht erkennt. 

Die Stimmen (Daten), die die Software zu hören bekommen hat, sind entscheidend, um die “Norm” zu entwickeln. Die App “entwickelt” ständig ein Stimmenmuster, das normal ist und basierend auf diesem erkennt sie die Stimmen, die davon abweichen.

Nun ist es entscheidend, aufgrund welcher Daten die App die Norm entwickelt. Sind nur männliche Stimmen vertreten, wird die App Schwierigkeiten haben, weibliche Stimmen genau zu analysieren. Ein großes Spektrum an Besonderheiten der weiblichen Stimmen stehen der App nicht zur Verfügung – das ist ein Beispiel eines sogenannten “Gender Bias”.

Diese Technologie revolutioniert gerade das Gesundheitswesen, Experten sagen vorher, dass die Algorithmen immer mehr Einzug in die Arztpraxen halten werden. Wie wir gesehen haben, brauchen die Algorithmen große Datenmengen (Big Data), um daraus die “Norm” abzuleiten.

Wenn unsere Medizin nicht zur Gendermedizin wird, wird uns die Basis fehlen, nämlich die Daten, um in der Medizin die geschlechtsspezifischen Unterschiede zu berücksichtigen. Benachteiligt sind wieder die Frauen, da sie immer noch weitgehend ignoriert werden, und bis vor kurzem gar nicht berücksichtigt wurden.

Wenn wir dazu Folgendes betrachten:

• Vorwiegend Männer sitzen an der Spitze der Pharma-Konzerne
• Vorwiegend Männer sitzen im Gesundheitswesen an der Spitze vieler wichtigen Ämter
• Vorwiegend Männer sitzen an der Spitze der Gremien, die entscheiden, welche Projekte in der Forschung bezuschusst werden.
• Vorwiegend Männer sitzen in Investorgremien und entscheiden, welche Projekte Geld bekommen, um realisiert zu werden.

ist es klar, warum wir immer noch über Gendermedizin diskutieren müssen und warum es nicht schon lange “NORMal” ist, dass Männer und Frauen unterschiedlich, nämlich in ihrer Eigenart, wahrgenommen werden.

Wir alle messen Biosignale zum Beispiel mit unseren Smart Watches. Diese Werte werden von den Big Tech-Firmen gesammelt und medizinisch ausgewertet.

Ein Kind, das heute geboren wird, könnte theoretisch von der Geburt an seine Werte kontinuierlich messen und speichern.

Das Kind, nennen wir sie Marie, hätte alle ihre Daten von Geburt an in einer persönlichen Akte gesammelt.

Algorithmen könnten die große Menge an Daten, die über Marie bekannt sind, auswerten und für Marie eine Strategie ausarbeiten, wie sie ihre Gesundheit erhalten kann. Lange bevor Marie krank wird und zur Patienten wird, könnte sie individuell betreut werden.

Ein Algorithmus würde alle relevante Daten aus medizinischen Studien und Statistiken permanent auswerten und mit den persönlichen Daten, die Marie ständig sammelt, vergleichen.

Das Gesundheitssystem hätte ein großes Sparpotential, Maries Lebensqualität würde sich steigern.

Stand heute ist diese Vision schwer zu erreichen: Marie ist weiblich und keiner weiß heute, zum Beispiel bei der Entwicklung von DIGAS (Apps auf Rezept), ob die Entwickler das Geschlecht berücksichtigt haben. Wenn eine künstliche Intelligenz trainiert wurde, welche Daten wurden dafür verwendet? Wurden in der Umsetzung geschlechtsspezifische Aspekte berücksichtigt?

Die Digitalisierung soll Gendermedizin voranbringen, neue Ansätze entdecken und die Medizin für alle vorantreiben: Männer und Frauen.

In der medizinischen Forschung gibt es mittlerweile Vorgaben, um das Verhältnis zwischen Männern und Frauen in den Studien anzugleichen. Es gibt auch Vorgaben, die sich mit den geschlechtsspezifischen Rollen beschäftigen. Die historischen Daten, die verwendet werden, um die künstliche Intelligenz zu trainieren, entsprechen diesen Vorgaben nicht. Mit diesem Ansatz riskieren wir, den Gender Bias aus der Historie in die Welt der E-Health zu übertragen.

Die Forschung um die KI hat einen großen Aufwind bekommen, die Forschung um den Gender-Bias jedoch nicht.

Wir brauchen dringend eine Strategie wie wir den Gender Bias im E-Health bekämpfen, wenn wir eine bessere Medizin wollen, die wirklich allen Geschlechtern gerecht wird. Es gibt keine Studien, die evaluiert haben, wie die medizinischen Apps kommunizieren, ob diese Kommunikation die Gender einbezieht. Es gibt keine Informationen über die Wirksamkeit der digitalen Angebote und ob diese über die Geschlechter hinweg gelten.

Das Thema ist mir ganz wichtig, weil KI gestützte Anwendungen mittlerweile in der Intensivmedizin schon genutzt werden. Das Ziel ist zum Beispiel herauszufinden, welche Überlebenschancen Patienten haben, einen bestimmten Eingriff zu überleben. Die Umsetzung der Systeme basiert auf einer KI, die mit historischen Daten trainiert wurde. Diese Daten sind nicht geschlechtsspezifisch aufbereitet. Diese Art der Digitalisierung ist ein Rückschritt und kein Fortschritt.