autorstwa dr Shruti Turner i dr Anahity Talwar

To nie jest nowa wiadomość, że istnieje różnica w zdrowiu płci. Książki, takie jak Niewidzialne kobiety , pomogły przenieść dyskusję na temat równości płci i stronniczości danych do mediów głównego nurtu. Ale co możemy zrobić, aby to zmienić? W tym artykule zespół Data Science w Haleon omawia, w jaki sposób celowe wykorzystanie danych może przyczynić się do lepszego zrozumienia zdrowia kobiet i informowania o równości i włączeniu, aby zapewnić ludzkości lepsze wyniki zdrowotne.

Czym jest różnica w zdrowiu ze względu na płeć?

Luka zdrowotna ze względu na płeć odnosi się do nierówności w wynikach zdrowia psychicznego i fizycznego między kobietami i mężczyznami. Badanie przeprowadzone przez Manual wykazało, że kierunek tych nierówności jest różny na całym świecie. W 41% ze 156 uwzględnionych krajów mężczyźni byli generalnie mniej zdrowi w porównaniu z mężczyznami z innych krajów przez całe życie, podczas gdy w 58% kobiety miały porównywalnie gorsze wyniki zdrowotne w porównaniu z kobietami w innych krajach (1% nie wykazało luki w zdrowiu). Holandia, Szwecja, Dania i Wielka Brytania plasują się w pierwszej dwunastce pod względem największej luki w zdrowiu kobiet na świecie.

W 2021 r. rządowy spis ludności Wielkiej Brytanii wykazał, że oczekiwana długość życia kobiet w zdrowiu faktycznie spada, podczas gdy mężczyźni nie wykazali znaczących zmian. Pomimo dłuższej oczekiwanej długości życia niż mężczyźni, liczba lat życia w dobrym zdrowiu (wolna od długotrwałych chorób lub niepełnosprawności) jest krótsza niż w przypadku mężczyzn. Zdrowie reprodukcyjne , zdrowie psychiczne i nowotwory to tylko niektóre z obszarów, w których zwrócono uwagę na niezaspokojone potrzeby kobiet.

Dlaczego istnieje różnica w zdrowiu ze względu na płeć?

Chociaż przyczyny luk zdrowotnych są złożone i wielopłaszczyznowe, prawdopodobne jest, że luki w danych dotyczących płci odgrywają dużą rolę. Kobiety były historycznie wykluczane z badań ze względu na przekonanie, że zmiany cielesne w trakcie cyklu miesiączkowego mogą zakłócać wyniki badań. Sytuację pogorszył skandal z talidomidem z lat 50. XX wieku , który doprowadził do wydania zaleceń, zgodnie z którymi kobiety w wieku rozrodczym powinny być wykluczane z badań klinicznych w niektórych częściach świata przez prawie 20 lat (wytyczne FDA w USA zmieniły to dopiero w 1993 r.). Jeszcze w 2017 roku wyniki badania klinicznegoopublikowane dla leku przeznaczonego wyłącznie dla kobiet wykazało, że 23 z 25 uczestników to mężczyźni. Wykluczenie samic zaobserwowano nawet na poziomie przedklinicznym, gdzie typowo męskie szczury laboratoryjne są wykorzystywane wyłącznie w badaniach.

Względna nieobecność kobiet na stanowiskach związanych z badaniami naukowymi, zwłaszcza na wyższych szczeblach, oznaczała brak ich perspektyw i prawdopodobnie wpłynęła na tę lukę . Różnorodność przy stole może pomóc w ograniczeniu stronniczości w finansowaniu badań ( wszystkie zespoły kobiet częściej koncentrują się na rozwiązaniach dotyczących zdrowia kobiet) oraz w ich zniuansowanej interpretacji (tj. podczas gdy pewne różnice między mężczyznami i kobietami są ważne dla poprawy wyników opieki zdrowotnej) , inne mogą nie być istotne, a nawet istnieć ).

Łącznie czynniki te przyczyniły się do tego, że ciała kobiet i warunki, które na nie wpływają, są rzadziej badane. Rządy i grupy badawcze poczyniły postępy w usuwaniu luki, zalecając stosowanie reprezentatywnych próbek w badaniach i zachęcając do analizy uwzględniającej płeć, a także rozszerzając edukację kliniczną i szkolenia w zakresie zagadnień zdrowotnych kobiet.

Dane pokazały dziedzictwo tych historycznych decyzji w postaci wcześniej niedocenianych objawów związanych z płcią (np. objawy zawału serca ), które prowadziły do ​​niedostatecznej diagnozy u kobiet oraz nastrojów, że obawy kobiet nie są traktowane poważnie . Problemy te często zaostrzają się w przypadku kobiet kolorowych.

Jaka jest rola nauki o danych?

Pozostawione bez kontroli, uczenie maszynowe i algorytmy sztucznej inteligencji będą replikować, a nawet pogłębiać uprzedzenia w danych, którymi są karmione, co biorąc pod uwagę powyższe przykłady niereprezentatywnych danych, brzmi jak zła wiadomość dla zdrowia kobiet. Jeśli algorytm zobaczy więcej przykładów danych dotyczących mężczyzn podczas treningu, będzie miał lepszą reprezentację tej kategorii i nie będzie działał tak dobrze przy prognozowaniu dotyczącym kobiet.

Naukowcy z UCL odkryli dokładnie to, kiedy odtworzyli cztery opublikowane modele uczenia maszynowego, które zostały przeszkolone w przewidywaniu chorób wątroby. Ponieważ zestaw danych używany do szkolenia (nawiasem mówiąc, powszechny w tej dziedzinie) ma stosunek kobiet do mężczyzn w stosunku 1: 3, wszystkie cztery modele wykazały wyższy odsetek wyników fałszywie ujemnych w przypadku kobiet i wyższy odsetek wyników fałszywie dodatnich w przypadku mężczyzn. W rezultacie, jeśli nie zostaną zaznaczone, algorytmy te doprowadziłyby do wyższych wskaźników błędnych diagnoz u kobiet, gdyby były stosowane w praktyce klinicznej.

Wymóg zrównoważonych danych podczas uczenia algorytmów nie jest nowym odkryciem, jednak dane i błędy predykcyjne są rzadko analizowane w kontekście zmiennych demograficznych i wynikającego z nich wpływu na nierówności zdrowotne.

ALE to nie wszystkie złe wieści, piękno danych i algorytmów polega na tym, że dobrze wykorzystane mogą skutecznie wypełnić luki w naszej wiedzy. Mogą wychwycić subtelne różnice w sposobie, w jaki objawy i rozwiązania zdrowotne mogą w różny sposób wpływać na mężczyzn i kobiety, nawet jeśli są one trudne do wykrycia przez badaczy.

Co robi Data Science w Haleon, aby zaradzić różnicom w zdrowiu kobiet i mężczyzn?

Jako największa na świecie firma zajmująca się zdrowiem konsumentów, Haleon jest zaangażowana w zapewnianie ludzkości lepszego codziennego zdrowia. Zespół Data Science w Haleon ma wyjątkową możliwość wykorzystania swojej wiedzy i doświadczenia, aby pomóc w lepszym zrozumieniu zdrowia kobiet poprzez bardziej celowe wykorzystanie danych w celu uzyskania lepszych wyników zdrowotnych.

Zainspirowana przez Dame Mary Lucy Cartwright (brytyjską matematykę, która przyczyniła się do ważnych postępów w teorii funkcji i równaniach różniczkowych), kierowana przez kobiety interdyscyplinarna inicjatywa łącząca naukę o danych, jednostka ds. możemy walczyć z luką w danych dotyczących płci w opiece zdrowotnej.

Naszym pierwszym celem jest osteoporoza, zaburzenie kości, które zwiększa prawdopodobieństwo złamań zmieniających życie. Pomimo nieproporcjonalnego wpływu na kobiety (około 90% przypadków ), większość czynników ryzyka uwzględnionych w narzędziach klinicznych, np . ciąża lub okres okołomenopauzalny mogą wpływać na ryzyko złamań osteoporotycznych.

Jako połączony zespół zamierzamy wykorzystać naukę danych i uczenie maszynowe do dalszego zbadania tej luki w danych. W ramach naszej pracy zbadamy, czy użycie pól danych niezależnych od płci skutkuje równie dokładnym przewidywaniem ryzyka między mężczyznami i kobietami, czy też istnieją dowody na stronniczość. Naszym celem jest również ustalenie, czy cechy specyficzne dla kobiet pozwalają przewidzieć osteoporozę i złamania osteoporotyczne oraz czy pomiar tych punktów danych może poprawić przewidywanie ryzyka u kobiet, ostatecznie prowadząc do lepszego ukierunkowania leczenia zapobiegawczego.

W firmie Haleon zapewnienie odpowiedzialnej sztucznej inteligencji jest sprawą nadrzędną. W zespole zajmującym się analizą danych obejmuje to ocenę uczciwości, równości i stronniczości w opracowywanych i wdrażanych przez nas algorytmach oraz upewnienie się, że stosujemy zasady etyczne, takie jak przejrzystość i opieranie się na zaufanej nauce. Znajdując rozwiązania pozwalające przezwyciężyć skutki błędu algorytmicznego w opiece zdrowotnej i podnosząc świadomość znaczenia odpowiedzialnej sztucznej inteligencji, możemy ostatecznie podejmować decyzje w celu zapewnienia wszystkim lepszego zdrowia na co dzień.

Jak podkreślono powyżej, reprezentacja ma znaczenie …

W Wielkiej Brytanii ostatnie badanie Instytutu Turinga wykazało, że tylko około 20% brytyjskich naukowców zajmujących się danymi to kobiety, przy czym stosunek ten ogólnie spada, a nie poprawia się.

W Haleon kobiety, które stanowią 35% naszego globalnego zespołu analityków danych, są wysoko cenione za swoje umiejętności i doświadczenie, a my staramy się tworzyć integracyjne środowisko.

Kontynuując to ekscytujące podejście do zapewniania równości zdrowia kobiet i mężczyzn, zespół Haleon robi kolejny pozytywny krok w kierunku włączenia danych dotyczących zdrowia kobiet do przyszłego rozwoju.