美國宇航局原定於上月底進行首次全女性太空行走。但在這一歷史性事件即將發生的前四天，他們取消了計劃，並換上了一名男性宇航員，聲稱是因為他們沒有足夠合適尺寸的太空服來適應所有女性宇航員。
不幸的是，女性常常不得不湊合使用為男性設計的裝置，這種疏忽不僅僅是公關上的尷尬。許多警察防刺背心無法適應女性的胸部，導致防護裝備向上滑動，使穿著者的軀幹暴露在外。儘管美國軍方設計了適合女性身體的制服，但他們未能開發出適合女性較窄的腳和較高足弓的靴子。而且裝置設計並不是唯一發生這種情況的領域。
在她新出版的書籍 看不見的女性：揭露為男性設計世界中的資料偏見 中，記者卡羅琳·克里亞多·佩雷斯解釋了從醫學到交通運輸等領域的 researchers 如何未能收集女性資料。這影響了家庭、工作場所和任何地方的日常生活，其結果範圍從不便到致命。例如，基於預設男性設計和測試的車輛安全系統不一定能保護女性身體。事實上，在車禍中，女性死亡的可能性比男性高 17%，遭受重傷的可能性高 47%。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
大眾科學 與克里亞多·佩雷斯談論了為什麼存在這種性別資料差距以及我們如何開始解決它。
[以下是採訪的編輯文字稿。]
是什麼讓您決定寫 看不見的女性？
這是因為我偶然看到了關於心臟病發作的資料：我發現我一直認為只是標準的心臟病發作症狀——胸痛和左臂向下放射——實際上是男性的，而女性往往會經歷不同的心臟病發作症狀。[編者注：只有八分之一的女性會在心臟病發作期間感到胸痛，但 她們可能會經歷 不同部位的疼痛，包括下巴和背部，以及呼吸急促和噁心。] 由於這個原因，女性被誤診，所以這不僅僅是公共衛生資訊不夠好的問題；這也是醫生沒有接受過培訓來識別女性潛在致命症狀的問題。
我非常震驚我竟然不知道這一點。我們被教導要認為科學和醫學是客觀的，事實就是事實。事實證明，醫學科學也遭受了與其他任何地方一樣缺乏女性代表性的困擾。
在書中，您列舉了其他幾個性別資料差距如何影響日常生活的例子，通常以令人驚訝的方式。您能談談清除積雪的案例嗎？
清除積雪是對整個問題的一個非常有用的總結。在瑞典的一個名叫卡爾斯庫加的城鎮，他們正在對他們所有的政策進行性別審計。事實證明，清除積雪與性別有很大關係。他們傳統上所做的方式是許多城市和小鎮所做的方式：他們首先清理主要道路幹線，然後再清理當地道路和人行道。這優先考慮了典型的男性出行方式，而不是典型的女性出行方式，因為男性更可能在主要道路上通勤，並且他們更可能開車。部分原因是女性往往錢較少，但也因為如果一個家庭有一輛車，男性往往會主導對汽車的使用權。女性更可能使用公共交通工具，因此也更可能成為行人。
[在卡爾斯庫加] 他們決定改變順序，首先清理當地道路和人行道，因為他們認為在三英寸的雪中開車比在三英寸的雪中步行或推嬰兒車更容易。但他們沒有想到的是，這最終也會為他們省錢。突然間，住院人數下降了：女性[之前]在結冰的條件下滑倒和摔倒，而[現在]她們沒有了。如果他們一直在收集關於誰在結冰的條件下摔倒並最終住院的按性別分列的資料，他們就會意識到主要是女性。然後他們會問：“為什麼會這樣？” 並且他們會以這種方式瞭解到清除積雪的問題。
我們知道 女性比男性更容易死於心臟病發作。缺乏女性資料還會以哪些其他方式影響醫療保健？
問題是女性的身體與男性不同，我們發現的性別差異一直存在於我們的細胞中。我們迄今為止的證據表明，女性的身體對藥物的反應確實與男性不同，女性對各種疾病表現出不同的症狀，疾病在女性體內的進展方式也不同。如果我們所有的知識都基於男性身體，我們最終將無法發現和治療女性的疾病。而事實確實如此。
看看藥物不良反應，女性遭受的藥物不良反應數量遠遠超過男性。女性第二常見的藥物不良反應是該藥物根本不起作用。而這些藥物已經過測試，對男性有效。
還有一項研究非常有啟發性，它表明我們可能錯過了多少對女性有效的治療方法。他們提取了男性和女性細胞，然後將它們暴露於雌激素，然後再暴露於病毒。女性細胞能夠利用雌激素來抵抗病毒，而男性細胞則不能。如果他們只是在男性細胞中進行測試——而 90% 的研究都是如此——他們就會得出結論，雌激素是不相關的。
為什麼研究人員未能收集女性資料？
我不認為存在一個巨大的陰謀來嚴重傷害和殺死女性。問題是我們太習慣於將男性身體和生活方式視為標準的人體和標準的人類做事方式。醫學研究人員會說這樣的話：“女性太複雜了，無法測量，因為女性有月經週期。” 是的，女性確實有月經週期——但我不認為如果您真的從邏輯上思考這占人口 50% 的身體是什麼樣的，您會找這個藉口。您只有在認為女性是男性的變體時才會找這個藉口。這就是我們最終總是忘記統計女性人數的原因。
有些人認為演算法和人工智慧可以幫助消除性別偏見，但您不同意。
那裡的問題是，訓練演算法的資料集嚴重偏向男性。我們知道演算法會放大偏見：如果您向它們提供有偏見的資料，它們將變得越來越有偏見。這已經產生了影響。例如，谷歌的語音識別軟體，它被認為是市場上最好的軟體，識別女性聲音的可能性比男性聲音低 70%，因為它是在嚴重偏向男性的語音資料庫上訓練的。
但我更擔心這些演算法的未來。它們對我們的生活變得越來越重要。例如，它們已經決定了哪些簡歷能夠進入各種職位的人眼。科技界似乎完全沒有意識到他們存在的男性偏見問題，他們一直在犯這些錯誤，這些錯誤表明他們真的沒有掌握情況。像蘋果公司忘記在其全面的健康應用程式中包含經期跟蹤器，或者 Siri 能夠為您找到偉哥但找不到墮胎提供者這樣的荒謬事情。它們指向一個沒有掌握如何為女性和男性設計 [演算法] 的行業。幾乎最糟糕的是，這些都是私營公司，因此這些演算法作為專有軟體受到保護——我們甚至無法檢查正在構建到其中的偏見。我發現這非常令人擔憂。
我們應該如何解決這個問題？
我無法給出非常令人興奮的答案——它實際上只是“收集女性資料並將其與男性資料分開”。一方面，這讓我感到非常有希望，這個問題可以改變，因為它非常簡單；我們只需要有這樣做的意願。另一方面，我感到有點絕望，因為好像我不是唯一注意到這一點的人。正如我所說，已經有很多令人難以置信的研究人員在研究這個問題，但是人們不願意對此採取任何行動。
證據表明，除非您對此進行監管，否則這種情況不會發生。例如，如果您檢視醫學研究，情況絕非完美，但對於美國國立衛生研究院 (NIH) 的資助，您應該將女性納入試驗的人體階段，並且他們剛剛為動物階段也引入了這一點。這大大增加了納入研究的女性人數。但如果您是一傢俬營製藥公司，臨床藥物試驗的絕大部分資金都由該公司資助，或者如果您正在生產非專利藥物，則沒有這樣的要求，因此女性在試驗中的代表性要差得多。政府需要認識到這是一個嚴重的問題，而且他們不能僅僅指望人們自己去做，因為他們就是不會去做。
非立法者呢？我們可以做些什麼來幫助解決性別資料差距？
我認為每個人都可以而且應該挑戰男性預設值，當您談論任何事情時，不要讓男性佔據預設空間。就像當您談論體育運動時：我們說“足球”而不是“男子足球”，但我們總是說“女子足球”。部分問題是我們根本沒有意識到我們正在這樣做——十分之九的情況下，當我們認為我們正在進行性別中立的談話時，我們實際上是在談論男性。這使我們無法意識到正在發生的事情。我認為改變這一點將對解決問題有很大的幫助。