Eine aktuelle Untersuchung der London School of Economics and Political Science zeigt: Selbst modernste KI-Tools im britischen Gesundheitswesen reproduzieren tief verwurzelte Geschlechterstereotype – mit potenziell gravierenden Folgen für die Versorgung von Frauen. Die Forschenden warnen vor einem digitalen Rückfall in alte Ungleichheiten und fordern dringend Reformen.

KI in der Medizin zwischen Fortschritt und Ungleichheit

Die Debatte über Gender-Bias in der Medizin ist nicht neu. Mit dem Einsatz von KI erhält sie jedoch eine neue Dringlichkeit. Forschungsteams und Entwickelnde arbeiten an Lösungen, um diese Ungleichheiten abzubauen. Ein Ansatz ist die gezielte Integration vielfältiger Datensätze, um Algorithmen zu trainieren, die unabhängig vom Geschlecht faire Entscheidungen treffen. Ebenso wichtig ist die Sensibilisierung von medizinischem Personal, um sicherzustellen, dass technologische Fortschritte bestehende Unterschiede nicht vergrößern.

LSE-Studie enthüllt alarmierende Ungleichheiten

Eine aktuelle Untersuchung der London School of Economics (LSE) zeigt: Geschlechterbezogene Verzerrungen in der Gesundheitsversorgung sind tiefer verankert als gedacht. KI-gestützte Systeme bevorzugen häufig männliche Patientendaten. Ursache sind historische Datensätze, die überwiegend auf männlichen Probanden basieren. Das führt zu ungenauen Diagnosen und unzureichenden Behandlungen – besonders in Bereichen wie der Kardiologie, in denen Symptome stark variieren können.

Das Forschungsteam des Care Policy and Evaluation Centre unter Leitung von Dr. Sam Rickman analysierte ein KI-System („Gemma“), das in englischen Kommunen Fallakten auswertet. Das Ergebnis: Bei gleichen Symptomen werden männliche Fälle häufiger als „behindert“ oder „komplex“ eingestuft – Kategorien, die oft zu schnellerer und umfassenderer Versorgung führen. Weibliche Fälle erhalten diese Einstufungen seltener, selbst bei vergleichbarem Schweregrad.

Ein alter Bias in neuem Gewand

„Unsere Analyse zeigt, dass selbst modernste KI-Systeme tief verankerte gesellschaftliche Stereotype reproduzieren – mit ernsten Konsequenzen für die Gesundheit von Frauen“, warnt Rickman.

Das Problem besteht seit Jahrzehnten: Frauen sind in der medizinischen Forschung oft unterrepräsentiert, klinische Studien orientieren sich vielfach an männlichen Körpern. Erkrankungen wie Herzinfarkte oder Autoimmunleiden werden dadurch bei Frauen häufig später erkannt oder falsch eingeordnet.

Digitaler Fortschritt, analoge Vorurteile

Die Studie verdeutlicht: KI allein löst keine strukturellen Probleme. Modelle lernen aus vorhandenen Daten – enthalten diese Vorurteile, übernehmen die Systeme sie. Im Sozial- und Gesundheitswesen kann das gravierende Folgen haben, denn KI-Empfehlungen beeinflussen direkte Behandlungsentscheidungen, Ressourcenzuteilung und Unterstützungsleistungen.

Politischer Kontext: Die Women’s Health Strategy

Mit der Women’s Health Strategy wollte Großbritannien 2021 die Versorgungslücke zwischen den Geschlechtern schließen. Die LSE-Ergebnisse zeigen jedoch, dass die bisherigen Maßnahmen unzureichend sind.
„Ohne gezielte Datenerhebung und Anpassung von Modellen riskieren wir, dass technologische Fortschritte bestehende Ungleichheiten verstärken“, warnt eine WHO-Expertin für Gender & Health. Besonders betroffen seien Personen aus mehrfach marginalisierten Gruppen.

Internationale Perspektive

Ähnliche Befunde gibt es weltweit. In den USA ergab eine Studie der National Academy of Medicine 2024, dass Frauen mit chronischen Schmerzen häufiger eine psychosomatische Diagnose erhalten – selbst bei identischen Symptomen. In Deutschland stellte die Charité Berlin fest, dass KI-Diagnosetools bei gynäkologischen Erkrankungen Verzerrungen aufweisen.

Gleiche Chancen durch gezielte Reformen

Die LSE-Studie macht deutlich: Geschlechterbezogene Verzerrungen in der Gesundheitsversorgung bestehen fort – und setzen sich in digitalen Systemen fort. Die Forschenden fordern mehr Transparenz bei der Entwicklung und Nutzung von KI, verpflichtende Bias-Tests vor der Einführung und eine gezielte Datenerhebung zu frauenspezifischen Krankheitsbildern. Divers besetzte, interdisziplinäre Teams sollen sicherstellen, dass unterschiedliche Perspektiven in die Systeme einfließen. Nur mit technologischem Fortschritt, kombiniert mit politischem und gesellschaftlichem Willen, lässt sich verhindern, dass KI alte Ungleichheiten verstärkt – und stattdessen zu einer gerechteren Gesundheitsversorgung beitragen.