美国宇航局原定于上月底进行首次全女性太空行走。但在这一历史性事件即将发生的前四天，他们取消了计划，并换上了一名男性宇航员，声称是因为他们没有足够合适尺寸的太空服来适应所有女性宇航员。
不幸的是，女性常常不得不凑合使用为男性设计的设备，这种疏忽不仅仅是公关上的尴尬。许多警察防刺背心无法适应女性的胸部，导致防护装备向上滑动，使穿着者的躯干暴露在外。尽管美国军方设计了适合女性身体的制服，但他们未能开发出适合女性较窄的脚和较高足弓的靴子。而且设备设计并不是唯一发生这种情况的领域。
在她新出版的书籍 看不见的女性：揭露为男性设计世界中的数据偏见 中，记者卡罗琳·克里亚多·佩雷斯解释了从医学到交通运输等领域的 researchers 如何未能收集女性数据。这影响了家庭、工作场所和任何地方的日常生活，其结果范围从不便到致命。例如，基于默认男性设计和测试的车辆安全系统不一定能保护女性身体。事实上，在车祸中，女性死亡的可能性比男性高 17%，遭受重伤的可能性高 47%。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和思想的具有影响力的故事的未来。
大众科学 与克里亚多·佩雷斯谈论了为什么存在这种性别数据差距以及我们如何开始解决它。
[以下是采访的编辑文字稿。]
是什么让您决定写 看不见的女性？
这是因为我偶然看到了关于心脏病发作的数据：我发现我一直认为只是标准的心脏病发作症状——胸痛和左臂向下放射——实际上是男性的，而女性往往会经历不同的心脏病发作症状。[编者注：只有八分之一的女性会在心脏病发作期间感到胸痛，但 她们可能会经历 不同部位的疼痛，包括下巴和背部，以及呼吸急促和恶心。] 由于这个原因，女性被误诊，所以这不仅仅是公共卫生信息不够好的问题；这也是医生没有接受过培训来识别女性潜在致命症状的问题。
我非常震惊我竟然不知道这一点。我们被教导要认为科学和医学是客观的，事实就是事实。事实证明，医学科学也遭受了与其他任何地方一样缺乏女性代表性的困扰。
在书中，您列举了其他几个性别数据差距如何影响日常生活的例子，通常以令人惊讶的方式。您能谈谈清除积雪的案例吗？
清除积雪是对整个问题的一个非常有用的总结。在瑞典的一个名叫卡尔斯库加的城镇，他们正在对他们所有的政策进行性别审计。事实证明，清除积雪与性别有很大关系。他们传统上所做的方式是许多城市和小镇所做的方式：他们首先清理主要道路干线，然后再清理当地道路和人行道。这优先考虑了典型的男性出行方式，而不是典型的女性出行方式，因为男性更可能在主要道路上通勤，并且他们更可能开车。部分原因是女性往往钱较少，但也因为如果一个家庭有一辆车，男性往往会主导对汽车的使用权。女性更可能使用公共交通工具，因此也更可能成为行人。
[在卡尔斯库加] 他们决定改变顺序，首先清理当地道路和人行道，因为他们认为在三英寸的雪中开车比在三英寸的雪中步行或推婴儿车更容易。但他们没有想到的是，这最终也会为他们省钱。突然间，住院人数下降了：女性[之前]在结冰的条件下滑倒和摔倒，而[现在]她们没有了。如果他们一直在收集关于谁在结冰的条件下摔倒并最终住院的按性别分列的数据，他们就会意识到主要是女性。然后他们会问：“为什么会这样？” 并且他们会以这种方式了解到清除积雪的问题。
我们知道 女性比男性更容易死于心脏病发作。缺乏女性数据还会以哪些其他方式影响医疗保健？
问题是女性的身体与男性不同，我们发现的性别差异一直存在于我们的细胞中。我们迄今为止的证据表明，女性的身体对药物的反应确实与男性不同，女性对各种疾病表现出不同的症状，疾病在女性体内的进展方式也不同。如果我们所有的知识都基于男性身体，我们最终将无法发现和治疗女性的疾病。而事实确实如此。
看看药物不良反应，女性遭受的药物不良反应数量远远超过男性。女性第二常见的药物不良反应是该药物根本不起作用。而这些药物已经过测试，对男性有效。
还有一项研究非常有启发性，它表明我们可能错过了多少对女性有效的治疗方法。他们提取了男性和女性细胞，然后将它们暴露于雌激素，然后再暴露于病毒。女性细胞能够利用雌激素来抵抗病毒，而男性细胞则不能。如果他们只是在男性细胞中进行测试——而 90% 的研究都是如此——他们就会得出结论，雌激素是不相关的。
为什么研究人员未能收集女性数据？
我不认为存在一个巨大的阴谋来严重伤害和杀死女性。问题是我们太习惯于将男性身体和生活方式视为标准的人体和标准的人类做事方式。医学研究人员会说这样的话：“女性太复杂了，无法测量，因为女性有月经周期。” 是的，女性确实有月经周期——但我不认为如果您真的从逻辑上思考这占人口 50% 的身体是什么样的，您会找这个借口。您只有在认为女性是男性的变体时才会找这个借口。这就是我们最终总是忘记统计女性人数的原因。
有些人认为算法和人工智能可以帮助消除性别偏见，但您不同意。
那里的问题是，训练算法的数据集严重偏向男性。我们知道算法会放大偏见：如果您向它们提供有偏见的数据，它们将变得越来越有偏见。这已经产生了影响。例如，谷歌的语音识别软件，它被认为是市场上最好的软件，识别女性声音的可能性比男性声音低 70%，因为它是在严重偏向男性的语音数据库上训练的。
但我更担心这些算法的未来。它们对我们的生活变得越来越重要。例如，它们已经决定了哪些简历能够进入各种职位的人眼。科技界似乎完全没有意识到他们存在的男性偏见问题，他们一直在犯这些错误，这些错误表明他们真的没有掌握情况。像苹果公司忘记在其全面的健康应用程序中包含经期跟踪器，或者 Siri 能够为您找到伟哥但找不到堕胎提供者这样的荒谬事情。它们指向一个没有掌握如何为女性和男性设计 [算法] 的行业。几乎最糟糕的是，这些都是私营公司，因此这些算法作为专有软件受到保护——我们甚至无法检查正在构建到其中的偏见。我发现这非常令人担忧。
我们应该如何解决这个问题？
我无法给出非常令人兴奋的答案——它实际上只是“收集女性数据并将其与男性数据分开”。一方面，这让我感到非常有希望，这个问题可以改变，因为它非常简单；我们只需要有这样做的意愿。另一方面，我感到有点绝望，因为好像我不是唯一注意到这一点的人。正如我所说，已经有很多令人难以置信的研究人员在研究这个问题，但是人们不愿意对此采取任何行动。
证据表明，除非您对此进行监管，否则这种情况不会发生。例如，如果您查看医学研究，情况绝非完美，但对于美国国立卫生研究院 (NIH) 的资助，您应该将女性纳入试验的人体阶段，并且他们刚刚为动物阶段也引入了这一点。这大大增加了纳入研究的女性人数。但如果您是一家私营制药公司，临床药物试验的绝大部分资金都由该公司资助，或者如果您正在生产非专利药物，则没有这样的要求，因此女性在试验中的代表性要差得多。政府需要认识到这是一个严重的问题，而且他们不能仅仅指望人们自己去做，因为他们就是不会去做。
非立法者呢？我们可以做些什么来帮助解决性别数据差距？
我认为每个人都可以而且应该挑战男性默认值，当您谈论任何事情时，不要让男性占据默认空间。就像当您谈论体育运动时：我们说“足球”而不是“男子足球”，但我们总是说“女子足球”。部分问题是我们根本没有意识到我们正在这样做——十分之九的情况下，当我们认为我们正在进行性别中立的谈话时，我们实际上是在谈论男性。这使我们无法意识到正在发生的事情。我认为改变这一点将对解决问题有很大的帮助。