Dirbtinis intelektas (AI) sparčiai keičia sveikatos priežiūros patarimų teikimą. Nuo simptomų tikrinimo priemonių ir diagnostikos priemonių iki rizikos modelių ir priežiūros ir navigacijos platformų – AI tampa pirmuoju milijonų pacientų apsilankymu. Ta įtaka sparčiai auga. Maždaug 24 % JK suaugusiųjų teigia, kad ieško sveikatos patarimų naudodamiesi AI įrankiais arba socialinėmis platformomis. Tačiau įsivaikinimas vis spartėja, dėmesio centre atsiduria nepatogi tiesa: dirbtinis intelektas yra tik tiek, kiek iš jo gaunami duomenys, o moterų sveikatai tie duomenys jau seniai neišsamūs.
Nuo duomenų spragų iki diagnostinės rizikos
Moterys sudaro pusę pasaulio gyventojų, tačiau sveikatos priežiūros sistemos retai kuriamos atsižvelgiant į jų išgyventą patirtį. Neseniai išleista Kearney baltoji knyga „Receptas pokyčiams“, bendradarbiaujant su Pasaulio ekonomikos forumu, rodo, kad tik 7 % pasaulinių sveikatos priežiūros tyrimų finansavimo yra nukreipiami į sąlygas, kurios turi įtakos tik moterims. Tik 5% vaistų yra tinkamai išbandyti ir paženklinti, kad būtų galima vartoti nėštumo ar žindymo laikotarpiu. Tyrimuose, bandymuose ir realaus pasaulio duomenų rinkiniuose vis dar nepakankamai atstovaujama, kaip moterų kūnas reaguoja į ligas ir gydymą.
Kai dirbtinio intelekto sistemos apmokomos ant šio iškreipto pagrindo, pasekmės yra tiesioginės. Simptomų nustatymo priemonės gali sumažinti skausmą ar nuovargį, apie kuriuos dažniau praneša moterys, todėl gali būti klaidingai klasifikuojami ar priskiriami prioritetai. Diagnostikos algoritmai taip pat gali būti ne tokie tikslūs moterims, ypač tokiose srityse kaip širdies ligos, insultas ir vėžio rizikos vertinimas.
Generatyvusis AI nėra išimtis. Londono ekonomikos ir politikos mokslų mokyklos (LSE) atliktas tyrimas parodė, kad dirbtinio intelekto įrankiai labiau sumažina moterų ir etninių mažumų simptomus. Jei šis šališkumas bus naudojamas dideliu mastu, kyla pavojus, kad priežiūros prioritetai ir prieiga bus formuojami taip, kad juos sunku aptikti ir dar sunkiau atšaukti.
Tai nėra technologijos gedimas. Tai nuspėjamas pažangių sistemų kūrimo ant neužbaigtų pamatų rezultatas.
Kodėl pagal lytį suskirstyti duomenys yra nediskutuotini
Politikos formuotojai pradeda suvokti riziką. 2025 m. pradžioje JK moterų sveikatos valstybės ministras perspėjo, kad be reprezentatyvių duomenų AI gali įtvirtinti skirtumus, o ne juos sumažinti.
Jei dirbtinis intelektas turi palaikyti saugią ir veiksmingą priežiūrą, pagal lytį suskirstytų duomenų rinkimas turi tapti įprasta, o ne neprivaloma. Sistemos turi atspindėti biologinius skirtumus ir stebėti moterų sveikatą visą gyvenimą. Tam reikalingas standartizavimas: nuoseklūs apibrėžimai, sąveikios sistemos ir duomenys, kuriuos galima prasmingai analizuoti įvairiose paslaugose ir nustatymuose.
Duomenų, suskirstytų pagal lytį, užtikrinimas yra ne tik lygybės klausimas, tai taip pat būtina veiklos rezultatams ir tvarumui užtikrinti. AI modeliai, parengti remiantis patikimais, reprezentatyviais duomenų rinkiniais, yra tikslesni, patikimesni ir kliniškai naudingesni. Reguliavimo institucijoms ir paslaugų teikėjams vis labiau tikrinant realius rezultatus, dabar į duomenų kokybę investuojančios organizacijos turės geresnes galimybes vėliau parodyti saugumą ir vertę.
Moterų sveikatos paslaugų masto didinimas nemažinant nelygybės
Technologijos suteikia realią galimybę sumažinti lyčių sveikatos skirtumus, tačiau tik tuo atveju, jei jos naudojamos siekiant pagerinti teisingumą ir atstovavimą, o ne tik efektyvumą. Duomenys, skaitmeninės platformos ir dirbtinis intelektas jau formuoja, kaip apmokomi gydytojai, kaip kaupiami įrodymai ir kaip teikiama didelė priežiūra. Sukurtos atsižvelgiant į teisingumą, šios priemonės galėtų padėti ištaisyti ilgalaikes moterų sveikatos akląsias vietas, o ne jas sustiprinti.
Tačiau sistemos, į kurias jie įvedami, tebėra labai suskaidytos. Nuo menstruacijų iki motinystės ir iki menopauzės moterų priežiūros būdai yra nenuoseklūs, prastai sujungti ir nuolat nepakankamai aprūpinami ištekliais. Pasekmės jau matomos: ginekologija dabar yra didžiausia NHS laukiančiųjų sąrašų specialybė, kuriai tenka 12 % 18–64 metų pacientų.
Reikia bendro požiūrio, kuris veiktų visą gyvenimą. Tai reiškia, kad reikia investuoti į standartizuotus būdus ir keičiamus moterų sveikatos centrus. Svarbiausia, kad šios sistemos turi būti kuriamos kartu su moterimis, o ne tik joms. Patirtis turėtų formuoti dizainą nuo pat pradžių, nuoširdžiai bendradarbiaujant pacientams, gydytojams, bendruomenės gynėjams ir duomenų mokslininkams.
Rizika apima ne tik paslaugų teikimą, bet ir mokslinius tyrimus ir inovacijas. Medicinos ir sveikatos priežiūros produktų reguliavimo agentūros ir Liverpulio universiteto atliktas tyrimas atskleidė, kad klinikinių tyrimų, kuriuose dalyvavo tik vyrai, skaičius yra 67% didesnis nei tik moterims. Šios įrodymų spragos išplečia klinikines gaires ir DI plėtrą. Nors dirbtinis intelektas galėtų paremti įtraukesnį bandymų planavimą ir analizę, be reformos ir aiškios reguliavimo krypties jis tiesiog atspindės esamą atskirtį.
Ką reikia keisti
DI gali būti lemiama jėga mažinant lyčių sveikatos skirtumus, tačiau tik tuo atveju, jei jis taikomas apgalvotai. Neatsižvelgus, kyla pavojus, kad istorinės aklosios zonos bus įtrauktos į naujas skaitmenines sistemas.
Kaip pabrėžiama Kearney’s HealthTech Manifesto bendradarbiaujant su Microsoft, norint pašalinti šią riziką, reikia daugiau nei tobulinti technologijas. Tam reikia aiškių apsaugos priemonių, kaip renkami duomenys, kaip kuriamos sistemos ir kaip diegiamos naujovės. Duomenys, suskirstyti pagal lytį, turi tapti numatytaisiais, o ne išimtimi, o organizacijos turi suabejoti senų duomenų rinkinių tikslumu, prieš pradėdamos juos naudoti su AI susijusiomis paslaugomis.
Ne mažiau svarbu ir tai, kaip kuriamos naujos sistemos. Suskaidytų kelių skaitmeninimas jų neperplanuojant tik paspartins esamas silpnąsias vietas. Technologijos turėtų būti naudojamos siekiant iš naujo įsivaizduoti moterų sveikatos paslaugas per visą gyvenimą, pakeičiant atskirtus modelius jungtine, į moteris orientuota priežiūra, kuri atspindi tikrąjį biologinį ir socialinį sudėtingumą.
Svarbus ir dizainas. Kuriant sistemas su moterimis, o ne joms, gaunami reprezentatyvesni duomenys, tinkamesnės priemonės ir didesnis pasitikėjimas skaitmenine priežiūra. Neturint patirties, kuriant naujoves nuo pat pradžių, net ir gerai apgalvoti sprendimai gali praleisti realybę, kuriai jie skirti.
AI atliks vis svarbesnį vaidmenį teikiant sveikatos priežiūros paslaugas. Ar tai įtvirtins ilgalaikę nelygybę, ar padės jas panaikinti, priklausys nuo dabar padarytų pasirinkimų.
