Medizinische Datenlücke zwischen Frauen und Männern könnte der Weltwirtschaft eine Billion Dollar jährlich kosten

Berlin. Eine Billion Dollar jährlich könnte die Weltwirtschaft zusätzlich erwirtschaften, wenn es gelänge, die medizinische Datenlücke zwischen Frauen und Männern zu schließen. Das hat das McKinsey Health Institute für das Jahr 2040 berechnet. Ein neues Whitepaper, das dem Handelsblatt exklusiv vorliegt, greift die Schätzung auf und zeigt konkret, wie männlich geprägte Forschungsdaten die medizinische Versorgung von Frauen verschlechtern – und dass sich dieser Effekt durch den Einsatz von Künstlicher Intelligenz (KI) noch verstärkt.

Noch immer stützen sich Ärzte bei Diagnosen und Behandlungen auf Erkenntnisse, die Forscher überwiegend an Männern gewonnen haben. Dadurch erkennen sie bestimmte Krankheiten bei Frauen möglicherweise später oder verschreiben Medikamente, deren Wirkung auf den weiblichen Körper nicht ausreichend untersucht wurde.

Die Datenlücke ziehe sich durch die gesamte medizinische Forschung, schreiben die Biotechnologin Nina Haffer und die Wirtschaftsprofessorin Anabel Ternès-von Hattburg in ihrem Whitepaper „We Highlight what Systemic Bias Misses“. Pharmaunternehmen, Medizintechnikhersteller und Krankenhäuser sollten nicht nur aus moralischen Gründen eine Gleichbehandlung schaffen. Sie müssten unzureichende Gesundheitsdaten zudem als Geschäftsrisiko begreifen und deren Qualität systematisch verbessern, heißt es in dem Papier.

„Bessere Daten sind eine wichtige Grundlage, um gesundheitliche Ungleichheiten überhaupt sichtbar zu machen und genauer zu beziffern“, sagt auch Reinhard Busse, Professor für Management im Gesundheitswesen an der Technischen Universität Berlin und Gesundheitsökonom. „Gerade wenn wir Routinedaten nutzen wollen, müssen die entscheidenden Merkmale darin auch erfasst sein.“

Anschließend könnten Maßnahmen abgeleitet werden, um die Ungleichheiten auszuräumen. „Erst dann können wir auch abschätzen, welchen gesundheitlichen und wirtschaftlichen Gewinn wir dadurch erzielen können“, so Busse.

Die Ursachen für die unzureichenden Daten reichen teils Jahrzehnte zurück. In der Arzneimittelforschung griffen Wissenschaftler lange überwiegend auf männliche Versuchstiere zurück. Das Whitepaper zitiert Untersuchungen, denen zufolge Studien mit ausschließlich männlichen Nagetieren etwa 5,5-mal häufiger vorkamen als solche mit ausschließlich weiblichen Tieren.

Auch Frauen schlossen Forscher teilweise aus klinischen Studien aus, unter anderem aus Sorge vor Auswirkungen experimenteller Medikamente auf Schwangerschaften. Dennoch flossen Erkenntnisse aus Tests mit Männern in Referenzwerte und Behandlungsempfehlungen ein, die später für beide Geschlechter galten.

Tatsächlich aber beeinflussen Hormone oder der Stoffwechsel, wie der Körper Medikamente aufnimmt und abbaut. Untersuchen Pharmaunternehmen diese Unterschiede nicht ausreichend, entdecken sie geschlechtsspezifische Nebenwirkungen erst nach der Zulassung. Dann müssen sie ihre Medikamente nachträglich noch mit zusätzlichen Warnhinweisen versehen oder vom Markt nehmen.

Besonders deutlich zeigt die Symptomatik eines Herzinfarkts, wie sich die Datenlücke auf die medizinische Versorgung auswirkt. Denn Frauen haben bei der Verstopfung eines Herzkranzgefäßes andere Begleitsymptome als Männer, etwa Übelkeit oder eine ungewöhnliche Erschöpfung. Auch bestimmte Laborwerte unterscheiden sich. Setzt man geschlechtsspezifische Grenzwerte beim Bluttest auf den Herzinfarktmarker Troponin an, könnte die Erkennung eines Herzinfarkts bei Frauen verbessert werden, heißt es im Whitepaper mit Verweis auf Studien.

Künstliche Intelligenz droht, diese Probleme noch zu verschärfen. Krankenhäuser und Medizintechnikunternehmen setzen zunehmend auf KI, um Krankheiten früher zu erkennen und Ärzte zu entlasten. Doch Algorithmen lernen aus vorhandenen Daten. Bilden diese überwiegend männliche Patienten ab, können die Systeme Krankheiten bei Frauen womöglich schlechter erkennen.

Sylvia Thun, Datenwissenschaftlerin am Berlin Institute of Health, warnt: „Eine KI kann insgesamt sehr gute Ergebnisse liefern und Frauen trotzdem häufiger übersehen.“ Deswegen dürfe man künftig nicht mehr nur auf die durchschnittliche Trefferquote schauen. „Wir müssen die Fehlerraten getrennt nach Frauen und Männern prüfen, sonst besteht die Gefahr, dass KI bestehende Verzerrungen in der Medizin nicht beseitigt, sondern automatisiert“, sagt sie. Thun war als Autorin an dem Whitepaper beteiligt.

Die Autorinnen identifizieren zudem Schwachstellen bei der digitalen Erfassung medizinischer Informationen. In internationalen Klassifikationssystemen fehlten teilweise geeignete Kategorien oder Erkrankungen würden widersprüchlich zugeordnet, warnen sie. Solche Lücken erschweren statistische Auswertungen und können sich auf die Entwicklung medizinischer KI auswirken.

Damit dürfte auch der politische Druck wachsen, diese Risiken auszuräumen. Der europäische AI Act stellt an bestimmte medizinische KI-Systeme bereits hohe Anforderungen, etwa an Datenqualität und Risikomanagement. Über den Zeitplan einzelner Vorgaben wird allerdings weiterhin diskutiert.