Cuando los algoritmos infieren el género: revisitando la fenotipación computacional con datos de registros de salud...

Área de la Ciencia:

• Informática Biomédica
• Informática de la Salud
• Epidemiología Computacional

Sus antecedentes:

• Los registros de salud electrónicos (HCE) a menudo carecen de datos completos sobre el género, lo que dificulta la investigación sobre poblaciones específicas.
• La fenotipación computacional ofrece un método para inferir el género utilizando los datos existentes de los HCE.
• Este enfoque tiene como objetivo mejorar la inclusión de personas transgénero y de género expansivo en la investigación.

Objetivo del estudio:

• Realizar una revisión narrativa de la fenotipación computacional del género en los HCE.
• Examinar críticamente los desafíos metodológicos y éticos asociados con este enfoque.
• Proponer prioridades de investigación futuras y destacar las recomendaciones existentes.

Principales métodos:

• Revisión narrativa de la literatura.
• Análisis crítico de las metodologías de fenotipación computacional para la inferencia de género.
• Examen de las implicaciones éticas y el posible uso indebido de los resultados de los algoritmos.

Principales resultados:

• La fenotipación computacional puede abordar las lagunas de datos en los HCE con respecto al género.
• Existen importantes desafíos metodológicos en el desarrollo y validación de algoritmos.
• Las preocupaciones éticas incluyen el potencial de asignación incorrecta de género y el uso indebido de los datos inferidos.

Conclusiones:

• La fenotipación computacional es una herramienta valiosa pero requiere una implementación cuidadosa.
• Abordar las preocupaciones éticas y metodológicas es crucial para un uso responsable.
• Se necesita más investigación para garantizar una aplicación equitativa y precisa en la investigación biomédica.