AI används alltmer inom hälso- och sjukvården, från bildtolkning till behandlingsrekommendationer. Forskning visar dock att denna teknik kan förstärka könsbaserade ojämlikheter genom partisk data och stereotypa antaganden.
Föreslagna lösningar inkluderar ofta inkluderande datainsamling och tvärvetenskapligt samarbete för att minska partiskhet. Ändå förbiser dessa metoder ofta sociala och organisatoriska faktorer.
De tenderar att sakna tydligt definierade ansvariga aktörer, ignorera maktdynamik och kunskapshierarkier och bygger på antagandet att ökad medvetenhet automatiskt leder till förändring. Som ett resultat riskerar rekommendationerna att misslyckas i praktiken och kan reproducera just de ojämlikheter de syftar till att åtgärda.
Anna Isaksson är docent i sociologi knuten till Institutionen för hälsa och välfärd vid Högskolan i Halmstad. Hennes huvudsakliga forskningsområden inkluderar normkritisk design samt genus-, jämställdhets- och mångfaldsfrågor i arbetslivet och högre utbildning.