Hormone, Daten und der künstliche Intelligenz-Durchbruch in der traditionellen Medizin

Seit Jahrzehnten ist die Gesundheit von Frauen in der klinischen Forschung unterrepräsentiert – untersucht, vereinfacht und in Modelle gezwängt, die auf männlichen biologischen Durchschnittswerten basieren. Zustände, die von hormonellen Zyklusen geprägt sind, wurden beispielsweise lange Zeit auf statische klinische Schnappschüsse reduziert, die longitudinale Muster verpassen und Symptome falsch interpretieren, was zu verzögerten und falschen Diagnosen führt.

Vor drei Jahrzehnten wurde es Frauen erst wieder erlaubt, an klinischen Studien als Teilnehmerinnen teilzunehmen, doch machen Frauen immer noch nur 30% der Studienteilnehmer aus – größtenteils aufgrund der Überbetonung ihrer Fortpflanzungsfähigkeit und Fruchtbarkeitsbedenken durch die Pharmaindustrie.

Die Folgen gehen über die Repräsentation hinaus. Eine Studie der University of Pittsburgh School of Public Health kam zu dem Schluss, dass die meisten Arzneimittelsicherheitsprofile auf männlicher Biologie basieren und weibliche hormonelle Variationen nicht berücksichtigen. Insbesondere in der Herz-Kreislauf-Forschung hat die Unterrepräsentation von Frauen direkt zu verzögerten Diagnosen, abgelehnten Symptomen und systemischen Fehldiagnosen geführt.

Seit 2015 hat die klinische Forschung bedeutende Fortschritte in der Geschlechtergleichheit gemacht, jedoch hat die National Institutes of Health (NIH) eine Richtlinie veröffentlicht, um Geschlecht als biologische Variable in der Forschung zu berücksichtigen – was die Notwendigkeit einschließt, sowohl weibliche als auch männliche Variablen in weiteren wissenschaftlichen Untersuchungen zu berücksichtigen.

Dennoch war die Lücke zwischen Politik und Praxis erheblich. Erst jetzt beginnt eine breitere Welle an klinisch anspruchsvoller Forschung, die explizit weibliche Biologie berücksichtigt, sich zu materialisieren. Und mit ihr eine Konvergenz von institutionellen Investitionen und künstlicher Intelligenz, die das Feld umgestalten verspricht.

Der institutionelle Weckruf

Wenn klinische Daten ansammeln und neue Forschungslücken immer bedeutsamer werden, bildet sich eine neue Ausrichtung zwischen Wissenschaft und Technologie, die nicht darauf abzielt, weibliche Biologie als Variation zu behandeln, sondern auf Systeme, die von Grund auf auf biologische Geschlechtsunterschiede ausgerichtet sind.

Institutionen haben diesen Wandel formalisiert. Die American Heart Association hat ihren Fokus auf die Herzgesundheit von Frauen verstärkt, der von einem 75-Millionen-Dollar-Go Red for Women Venture Fund und einer 15-Millionen-Dollar-Forschungsinitiative zur Untersuchung der Auswirkungen von Menstruationszyklen auf die Herz-Kreislauf-Gesundheit angeführt wird.

Gleichzeitig richtet der 2024-2028 NIH-Wide Strategic Plan und eine Executive Order des Weißen Hauses über 100 Millionen Dollar an ARPA-H-Mitteln für das, was Forscher “metabolische Fenster” nennen – insbesondere Menopause und Menstruationszyklen – aus, da fast 99% der präklinischen Alterungsstudien diese Faktoren historisch ausgeschlossen haben. Die Initiative wird von einer 15,7-Milliarden-Dollar-Empfehlung der National Academies unterstützt.

Diese strukturellen Veränderungen haben einen parallelen Wandel in der Art und Weise ausgelöst, wie Gesundheitsdaten von Frauen gesammelt, interpretiert und umgesetzt werden. Eine neue Generation von Plattformen übersetzt hormonelle und Zyklusdaten in zugängliche, klinisch relevante Erkenntnisse, sodass Frauen Muster erkennen können, bevor sie in Zustände eskalieren, die herkömmliche Methoden möglicherweise falsch interpretieren.

„Meine eigene Gesundheitskrise war eine der beängstigendsten Erfahrungen meines Lebens – und was sie schnell enthüllte, war, dass die Last fast vollständig auf den Patienten fällt, genau in dem Moment, in dem er am wenigsten in der Lage ist, sie zu tragen“, erzählte Adriana Torosian, Gründerin und CEO von Ourself Health, Unite AI.

Ourself Health führt einen strukturellen Wandel in der Wahrnehmung von Frauen gesundheit herbei, der aus den persönlichen Erfahrungen von Frauen mit schlechter Gesundheitsdatenverwaltung entsteht und darauf abzielt, zukünftige Probleme mit Informationsungleichgewicht oder schlechtem Zugang zur Datenauswertung zu verhindern.

Das in San Francisco ansässige Startup hat kürzlich Stella vorgestellt, einen künstlich intelligenten Gesundheitsbegleiter, der die weltweit führende Frauen gesundheitsforschung mit der persönlichen Gesundheitsgeschichte der Nutzer kombiniert.

„Letztendlich wurde die Antwort für mich zu meinen Daten. Ich vermutete, dass mein Zyklus direkt meine Erkrankung beeinflusste, und brachte diese Hypothese zu führenden Ärzten, die sie vollständig ablehnten. Der einzige Weg vorwärts bestand darin, meine eigene Datenbank aufzubauen, meine eigenen Antworten zu finden und dann meine Ärzte in meinen Prozess mitzunehmen – das genaue Gegenteil von dem, wie ich erwartet hatte, dass dies ablaufen würde“, fügte Torosian hinzu.

Warum künstliche Intelligenz die Gleichung ändert

Künstliche Intelligenz verändert grundlegend die Diagnostik in der Gesundheitsversorgung, nicht indem sie klinische Urteilsfähigkeit ersetzt, sondern indem sie eine Form der Mustererkennung auf einer Skala und Kontinuität ermöglicht, die herkömmliche Versorgung nicht nachahmen kann. Im Gegensatz zu klinischen Modellen, die von episodischen Begegnungen abhängen, können künstliche Intelligenz-Systeme kontinuierlich medizinische Aufzeichnungen, Biomarker und Echtzeit-physiologische Eingaben analysieren und Korrelationen erkennen, die herkömmliche Versorgung routinemäßig verpasst.

Dieses Ergebnis hat zu früheren und genauereren Diagnosen bei Erkrankungen wie Herz-Kreislauf-Erkrankungen und Krebs geführt – eine Veränderung, die bereits die Patientenergebnisse verbessert.

Insbesondere im Bereich der Frauen gesundheit ist diese Fähigkeit von entscheidender Bedeutung; hormonelle Systeme sind dynamisch, tief vernetzt und stark individualisiert. Künstlich intelligente Werkzeuge beginnen, die diagnostische Lücke zu schließen, indem sie präzisere Überwachung, Vorhersage und longitudinale Analyse bei reproduktiver Gesundheit, mutterbedingter Pflege und gynäkologischen Erkrankungen ermöglichen.

Neue Anwendungen reichen von künstlich intelligenter Verbesserung der fetalen Bildgebung bis zur nichtinvasiven Erkennung von Endometriose, Bereiche, in denen herkömmliche Diagnosemethoden lange Zeit gestrauchelt sind.

Ourself Healths Stella baut auf dieser Grundlage auf, indem sie longitudinale hormonelle Daten operationalisiert und Muster in personalisierte, zeitgerechte Gesundheitsempfehlungen umwandelt, anstatt allgemeine klinische Anleitungen zu geben.

„Je mehr Daten ein Nutzer in die Plattform einbringt, desto präziser und persönlicher wird Stellas Anleitung. Diese Daten stammen aus mehreren Schichten: individuelle Symptome, die täglich innerhalb der App verfolgt werden, persönliche Notizen, Dokumente, die der Nutzer direkt hochladen kann, und kontinuierliche physiologische Daten von Wearables wie der Apple Watch“, erklärte Torosian.

Indem sie dies tut, bewegt sich das Tool über die Erkennung hinaus und unterstützt die Entscheidungsfindung – Frauen gesundheit wird als kontinuierliches, berechenbares System umgedeutet, anstatt als Reihe von unabhängigen klinischen Vertikalen.

„Das Ziel ist es, die Lücke zwischen dem, was eine Frau über ihren eigenen Körper weiß, und dem, was ihr Arzt in einem kurzen Termin sieht, zu schließen – und sicherzustellen, dass sie bei jeder Interaktion mit ihren eigenen Daten, der neuesten relevanten Forschung und einem klaren Aktionsplan ausgestattet ist. Stella legt all dies in ihre Hände“, fügte der Gründer hinzu.

Eine neue computergestützte Schicht für eine alte Lücke

Die Unterscheidung zwischen der Erzeugung von Erkenntnissen und der Erstellung von handlungsfähigen Anleitungen ist subtil, aber klinisch bedeutsam. Stella-KI ist darauf ausgelegt, Letzteres zu priorisieren, indem sie longitudinale Trends interpretiert, um individualisierte und zeitgerechte Empfehlungen zu generieren, die auf das hormonelle Basisniveau jedes Nutzers abgestimmt sind.

Im Kern basiert Stellas Design auf der Erkenntnis, dass kein zwei hormonelle Systeme identisch sind. Die Ourself-Plattform lernt dann kontinuierlich von den Eingaben jedes Nutzers, unabhängig von Zyklus, Symptomen,

„Was immer noch fehlt, ist die Fähigkeit für einzelne Frauen, jetzt die Kontrolle zu übernehmen – ohne auf die Forschung zu warten. Genau da kommt Ourself ins Spiel; wir können nicht von Frauen verlangen, ihr Leben zu pausieren, während Institutionen langsam die Finanzierungslücke schließen. Wir können ihnen die Werkzeuge geben, um ihren eigenen Körper zu verstehen, ihre eigene Gesundheitsakte zu erstellen, informierte Entscheidungen zu treffen und mit dem, was wir bereits wissen, zu handeln – während die umfassendere Forschungslandschaft um sie herum weiterentwickelt wird“, betonte Torosian.

Ein solcher Ansatz verwandelt die hormonelle Gesundheitsversorgung von einer reaktiven Disziplin in eine proaktive, bei der Interventionen mit einer Präzision getimt und zugeschnitten werden können, die herkömmliche Versorgungsmodelle strukturell nicht in der Lage sind zu liefern.

Aber über individuelle Fälle oder Visionäre hinaus birgt die Entstehung besserer – und künstlich intelligenter – Technologien eine neue computergestützte Schicht, die in der Lage ist, diese Komplexität handhabbar zu machen und, wichtiger noch, Leben zu retten.

Wenn Institutionen wie die NIH und die American Heart Association formell Ressourcen umleiten, übersetzt künstliche Intelligenz diesen Schwung in realen Einfluss. Das Versprechen dieser Werkzeuge liegt in ihrer Fähigkeit, zu personalisieren und das zu operationalisieren, was die Medizin lange beobachtet, aber Schwierigkeiten hatte, anzuwenden: dass Frauen gesundheit dynamisch ist.

Die Zukunft der Gesundheitsversorgung wird nicht durch Bevölkerungsdurchschnittswerte definiert, sondern durch Präzision – wobei die longitudinale Daten jedes Einzelnen die Grundlage seiner Versorgung bilden. Und in diesem Sinne ersetzt künstliche Intelligenz die Medizin nicht, sondern erweitert sie in ein Gebiet, das sie nie vollständig bewältigen konnte, bis jetzt.