《Maturitas》：Sex, gender and artificial intelligence in cardiovascular medicine 4.0.
编辑推荐：
摘要心血管疾病是全球女性死亡的首要原因，然而心血管医学的临床和算法基础设施却是围绕男性原型构建的。人工智能、大数据、可穿戴技术和远程医疗的汇聚，统称为4.0医学，为性别与性别角色特异性心脏病学提供了变革性潜力。然而，这些工具有可能延续并将历史临床数据集中嵌入的性别与性别角色偏
摘要
心血管疾病是全球女性死亡的首要原因，然而心血管医学的临床和算法基础设施却是围绕男性原型构建的。人工智能、大数据、可穿戴技术和远程医疗的汇聚，统称为4.0医学，为性别与性别角色特异性心脏病学提供了变革性潜力。然而，这些工具有可能延续并将历史临床数据集中嵌入的性别与性别角色偏见算法化、制度化。本文从六个相互作用的偏见类别出发，探讨了心血管人工智能中算法性别/性别角色偏见的机制基础，分析了机器学习中二元性别分层的认知风险，并提出了一套结构化的操作框架，该框架包含性别意识临床提示工程、负责任人工智能互动的三阶段模型，以及涵盖数据治理、算法设计、临床教育和监管监督的协调议程。本框架以《柳叶刀》性别与健康全球委员会将卫生系统中的性别扭曲视为结构性不公正驱动因素的框架为基础，主张精准心血管医学只有在公平的前提下才具有科学意义。
章节摘要
缩略语
| ACC | 美国心脏病学会 |
| ACS | 急性冠脉综合征 |
| AHA | 美国心脏协会 |
| AI | 人工智能 |
| ANMCO | 意大利国家住院心脏病医师协会 |
| AUC | 曲线下面积 |
| CVD | 心血管疾病 |
| EHR | 电子健康档案 |
| EO | 均等机会 |
| ESC | 欧洲心脏病学会 |
| IoMT | 医疗物联网 |
| LLM | 大语言模型 |
| MDR | 医疗器械法规 |
| MINOCA | 非阻塞性冠状动脉心肌梗死 |
| NLP | 自然语言处理 |
| OECD | 经济合作与发展组织 |
实现性别与性别角色公平照护的临床与流行病学障碍
. 本综述中使用的性别与性别角色术语。这些维度在概念上是不同的，如下文所述，在人工智能模型开发过程中，它们经常被混淆或合并为一个单一的分类变量，从而导致第3节和第4节中所述的偏见。
| 术语 | 工作定义（本综述中使用） |
|---|
| 生物学性别 | 通常被归类为男性或女性的生理特征（染色体、性腺、激素和解剖学特征）。 |
| 出生时指定的性别 | 出生时被指定的性别 |
训练数据与标签污染
Cirillo等人[5]对心血管人工智能中直接体现的六种相互作用的偏见类型进行了分类：历史偏见（女性心血管疾病系统性诊断不足）、代表性偏见（欧洲男性人群主导临床研究）、测量偏见（反映男性模式疾病的变量）、聚合偏见（一刀切模型）、评估偏见（基准数据集排除女性）和算法偏见（设计选择固化现有不平等）。当真实标签
提示敏感性与男性原型输出的风险
大语言模型（LLMs）对临床查询的语言表述高度敏感[38]。当性别、生殖状态和激素背景未被明确指定时，模型默认采用男性原型推理，这反映了其生物医学训练语料的统计学偏斜。尽管大语言模型在处理生物医学信息和辅助临床决策方面展现出相当大的潜力，但仍存在重要局限性，包括准确性不足、不可靠
性别公平心血管人工智能框架
通过4.0医学实现性别心脏病的变革需要四个交叉领域的协调行动，如表1和表2所示。（见图1。）
结论
两个未解决危机的并存——女性心血管疾病治疗不足以及性别偏见人工智能在临床实践中的不加批判的部署——是一种结构性关系，而非时间上的巧合。《柳叶刀》性别与健康全球委员会将卫生领域的性别公义定义为全球健康公平的前提条件，而非其精化[6]。算法上制度化历史不平等的心血管人工智能并不代表进步：它代表的是
贡献者
所有作者对本手稿的概念化、起草和批判性修订均有同等贡献。所有作者均已阅读并批准最终版本，且无其他人对本论文做出实质性贡献。
伦理声明
本手稿是基于已发表、公开可获得文献的叙述性综述。作者未开展涉及人类参与者、动物受试者或原始患者数据的原始研究。因此，本工作无需伦理审批和知情同意。
来源与同行评审
本文非受委托撰写，且经过了外部同行评审。
Federica Moscucci | Susanna Sciomer | Savina Nodari | Stefania Paolillo | Giulia Renda | Sabina Gallina | Anna Vittoria Mattioli
意大利阿奎拉大学生命、健康与环境科学学院，阿奎拉，意大利
