בטכניון פותח כלי לתיקון תת ייצוג של נשים במחקרים קליניים

מאמר חדש של חוקרות בפקולטה למדעי המחשב בטכניון, בשיתוף עם ד״ר אריק הורביץ מ-Microsoft Research, מציג הטיה ספציפית המשפיעה על יישום ממצאים של מחקרים קליניים: תת ייצוג של נשים במחקר הקליני. במאמר שהתפרסם ב-JAMIA, כתב העת של האגודה האמריקאית לאינפורמטיקה רפואית, מתארות החוקרות הטיה זו ומציגות כלים ייעודיים המתקנים אותה וכך עשויים לשפר את הטיפול הרפואי בנשים.

"תת הייצוג הקיים של נשים במחקרים קליניים", אומרת הדוקטורנטית שונית אגמון, שערכה את המחקר עם ד"ר קירה רדינסקי, "יוצר הטיה בעייתית הפוגעת באיכות הטיפול בנשים, באבחון מוקדם של מחלות, בהקצאת תרופות הגורמות לתופעות לוואי בקרב נשים, ועוד".

לדבריה, "כיום אנו יודעים כי אוכלוסיות שונות מגיבות אחרת לטיפול נתון. למשל, נשים עשויות להגיב לטיפול אחרת מגברים. לדוגמה, תרופה בשם זולפידם, המיועדת להפרעות שינה, משפיעה אחרת על נשים ולכן חשוב להקצות להן אותה במינון אחר מגברים – עובדה שהתגלתה רק לאחר שהתרופה שוחררה לשוק".

ההטיה המגדרית במחקר הקליני אינה חדשה והיא התעצמה בעקבות אירועים טראומטיים ובהם פרשת התלידומיד – תרופה שגרמה למומים רבים ביילודים לאחר שניתנה לנשים הרות כתרופה לשיכוך בחילות בוקר. פרשה עגומה זו, שהתרחשה בראשית שנות ה-60, הובילה לצמצום דרסטי של השתתפות נשים במחקרים קליניים.

ב-1993 נחקקו בארה"ב חוקים המחייבים לשתף נשים במחקרים כאלה ולהתייחס למגדר בניתוח תוצאות המחקר. ועדיין, תת הייצוג הוא תופעה קיימת, וכאשר מדובר במחקרים שקדמו ל-1993, הוא חמור ובוטה יותר. אגמון מדגישה כי תת ייצוג מתקיים גם לגבי אוכלוסיות אחרות בהקשרים כגון גיל, מוצא והשתייכות דמוגרפית. במקרים מסוימים מתקיים גם תת ייצוג של גברים, וזאת במחלות שנחשבות יותר "נשיות" – פיברומיאלגיה לדוגמה.

בשנים האחרונות נכנסו לעולם הרפואה מודלים ממוחשבים שנועדו לשפר את האבחון הרפואי, את הטיפול ואת המניעה. עם זאת, אומרת אגמון, "רוב המודלים האלה מתבססים על אותם מחקרים מוטים ולכן הם 'יורשים' מהם את אותן הטיות, ובמקרים מסוימים אפילו מעצימים אותן".

החוקרות טיפלו בבעיה האמורה בכלים של למידה חישובית ובהם עיבוד שפה טבעית (NLP) ובפרט ייצוג וקטורי של מילים (Word embeddings) – גישות המאפשרות "הבנה" של טקסטים על ידי מחשב. החוקרות הפעילו שיטות אלו על 16,772 מאמרים ממאגר PubMed והקצו לכל אחד מהם "משקל" על סמך שיעור הנשים במחקר הקליני המתואר בו. כך הן יצרו כלי אלגוריתמי לשימוש מותאם-מגדר (gender-sensitive) בספרות המחקרית. אלגוריתם זה מאפשר לתקן את ההטיה האמורה ולשפר את ההתאמה של טיפולים למטופלות.

האלגוריתם הצליח לשפר משמעותית משימות חיזוי על נשים בהקשרים שונים ובהם משך האשפוז של המטופל, אשפוז מחדש תוך חודש לכל היותר וקורלציה בין מחלות שונות. אף שהמודל התמקד בשיפור הניבויים לגבי נשים, הוא שיפר במידה רבה גם את כלל הניבויים הקליניים (גם לגבי גברים).

החוקרות מאמינות כי מאמרן ב-JAMIA יגביר את המודעות לבעיות של תת ייצוג במחקרים קליניים ובמחקר בכלל ויוביל לפיתוח פתרונות נוספים שישפרו את איכות הרפואה המותאמת אישית.