Berücksichtigung des biologischen und sozialen Geschlechts bei der Evidenzsynthese mittels KI
Das biologische und soziale Geschlecht werden bei der Evidenzsynthese oft nicht berücksichtigt. Mittels KI sollen die Analysen bei der Evidenzsynthese durch Scoping Reviews, Umfragen, Konsensstudien und partizipative Ansätze beschleunigt werden.
Projektbeschreibung
Die geschlechtsspezifische Analyse bei der Evidenzsynthese ist nach wie vor unzureichend, insbesondere bei systematischen Reviews und klinischen Leitlinien. KI kann die Evidenzsynthese beschleunigen, ihre unkritische Anwendung kann jedoch zu geschlechtsspezifischen Bias führen. Um die Berücksichtigung des biologischen und sozialen Geschlecht bei der Synthese von Forschungsergebnissen zu beschleunigen, muss die Leistungsfähigkeit von KI-Methoden evaluiert werden. Als Anwendungsfall für die Methoden dienen digitale Gesundheitsinterventionen für Krebspatient:innen.
Forschungsziel
Ziel des Projekts ist es, die geschlechtsspezifische Analyse bei der Evidenzsynthese zu beschleunigen. Wir evaluieren, wie klinische Leitlinien Geschlecht und gesundheitliche Chancengleichheit berücksichtigen, bilden KI-Tools für systematische Reviews ab und bewerten ihr Potenzial zur Verbesserung der besagten Analyse. Anhand der Ergebnisse entwickeln wir einen KI-Rahmen für eine schnellere und inklusivere Evidenzsynthese, indem wir Gutachtenden, Leitlinienentwickler:innen, Redakteur:innen und KI-Entwickler:innen praktische Anleitungen bereitstellen.
Zweck
Das Projekt behandelt kritische Lücken bei der geschlechtsspezifischen Analyse in der Evidenzsynthese und fördert die Chancengleichheit im Gesundheitswesen. Es unterstützt evidenzbasierte Politik und fördert inklusive klinische Leitlinien für Gesundheitsberufe, KI-Anwendungen und eine gerechtere, personalisiertere Versorgung der Patient:innen. Die Ergebnisse werden in Prozesse der Evidenzsynthese, entsprechende Werkzeuge, Bildungsprogramme und Richtlinien integriert.
Originaltitel
Artificial Intelligence (AI) to Expedite Sex/Gender Analysis in Evidence Synthesis: a use case of Digital Health Interventions for Cancer Patients