Hormon, Data, dan Terobosan AI yang Terlewatkan oleh Kedokteran Tradisional

Selama beberapa dekade, kesehatan wanita telah lama direpresentasikan secara tidak proporsional dalam penelitian klinis – kurang dipelajari, disederhanakan, dan dipaksa untuk sesuai dengan model yang dibangun di sekitar rata-rata biologis pria. Kondisi yang dipengaruhi oleh siklus hormonal, misalnya, telah lama dikurangi menjadi snapshot klinis statis yang melewatkan pola longitudinal dan salah membaca gejala, yang menyebabkan diagnosis yang tertunda dan salah.

Hanya tiga dekade yang lalu, FDA memungkinkan wanita kembali berpartisipasi dalam penelitian klinis sebagai peserta, namun, wanita masih hanya menyumbang 30% dari peserta uji coba – sebagian besar karena industri farmasi yang terlalu fokus pada potensi reproduksi dan kekhawatiran kesuburan mereka.

Konsekuensinya melampaui representasi. Sebuah studi oleh University of Pittsburgh School of Public Health menyimpulkan, bahwa sebagian besar profil keamanan obat didasarkan pada biologi pria, dan gagal memperhitungkan variasi hormonal wanita. Dalam penelitian penyakit kardiovaskuler, khususnya, kurangnya partisipasi wanita telah secara langsung menyebabkan diagnosis yang tertunda, gejala yang diabaikan, dan kesalahan diagnosis sistemik.

Sejak 2015, penelitian klinis telah membuat kemajuan yang signifikan dalam kesetaraan jenis kelamin, namun, karena National Institutes of Health (NIH) mengeluarkan kebijakan untuk mempertimbangkan jenis kelamin sebagai variabel biologis dalam penelitian – yang melibatkan kebutuhan untuk mempertimbangkan baik variabel pria dan wanita dalam penyelidikan ilmiah lebih lanjut.

Namun, kesenjangan antara kebijakan dan praktik telah substansial. Baru sekarang, penelitian klinis yang lebih luas dan secara eksplisit memperhitungkan biologi wanita mulai muncul. Dan dengan itu, konvergensi investasi institusional dan kecerdasan buatan yang berjanji untuk mengubah lapangan.

Panggilan Bangun Institusional

Ketika data klinis terkumpul dan celah penelitian baru menjadi semakin penting, sebuah keselarasan baru antara sains dan teknologi sedang terbentuk, yang tidak berorientasi pada mengobati biologi wanita sebagai variasi, tetapi pada sistem yang dibangun dari awal untuk memperhitungkan perbedaan jenis kelamin biologis.

Lembaga-lembaga telah memformalkan perubahan itu. American Heart Association telah memperkuat fokusnya pada kesehatan kardiovaskuler wanita dengan $75 juta USD Go Red for Women Venture Fund dan inisiatif penelitian $15 juta untuk mempelajari efek siklus menstruasi pada kesehatan kardiovaskuler-ginjal-metabolik (CKM).

Secara bersamaan, Rencana Strategis NIH-Wide 2024-2028 dan Perintah Eksekutif Gedung Putih sedang mengarahkan lebih dari $100 juta USD dalam pendanaan ARPA-H untuk apa yang disebut para peneliti sebagai “jendela metabolik” – khususnya menopause dan siklus menstruasi – sebagai respons terhadap bukti bahwa hampir 99% dari studi penuaan pra-klinis secara historis menghilangkan faktor-faktor ini. Inisiatif ini, pada kenyataannya, didukung oleh rekomendasi Akademi Nasional sebesar $15,7 miliar USD.

Perubahan struktural ini telah memicu pergeseran paralel dalam cara data kesehatan wanita dikumpulkan, diinterpretasikan, dan diaktifkan. Sebuah generasi baru platform sedang menerjemahkan data hormonal dan siklus menjadi wawasan klinis yang dapat diakses, memungkinkan wanita untuk mengidentifikasi pola sebelum mereka berkembang menjadi kondisi yang metode tradisional mungkin salah tafsirkan.

“Krisis kesehatan saya sendiri adalah salah satu pengalaman paling menakutkan dalam hidup saya – dan apa yang terungkap dengan cepat adalah bahwa beban jatuh hampir seluruhnya pada pasien pada saat mereka paling tidak siap untuk membawanya,” Adriana Torosian, pendiri dan CEO Ourself Health, mengatakan kepada Unite AI.

Ourself Health sedang memimpin perubahan struktural dalam cara kesehatan wanita dipersepsikan, muncul dari pengalaman pribadi wanita dengan manajemen data kesehatan yang buruk, dan dimaksudkan untuk mencegah masalah di masa depan dengan ketidaksesuaian informasi atau akses yang buruk ke interpretasi data.

Perusahaan rintisan San Francisco baru-baru ini memperkenalkan Stella, sebuah teman kesehatan berbasis AI yang menggabungkan penelitian kesehatan wanita terkemuka di dunia dengan riwayat kesehatan pribadi pengguna.

“Akhirnya, jawabannya untuk saya menjadi data saya. Saya curiga siklus saya secara langsung mempengaruhi kondisi saya dan membawa hipotesis itu ke dokter terkemuka, yang menolaknya sepenuhnya. Satu-satunya cara untuk melanjutkan adalah membangun dataset saya sendiri, menemukan jawaban saya sendiri, dan kemudian membawa dokter saya dalam proses saya – kebalikan dari apa yang saya harapkan,” Torosian menambahkan.

Mengapa AI Mengubah Persamaan

AI secara fundamental mengubah diagnosis kesehatan, tidak dengan menggantikan penilaian klinis, tetapi dengan memungkinkan bentuk pengenalan pola pada skala dan kontinuitas yang perawatan tradisional tidak dapat tiru. Tidak seperti model klinis yang bergantung pada pertemuan episodik, sistem AI dapat secara terus menerus menganalisis catatan medis, biomarker, dan input fisiologis waktu nyata, mendeteksi korelasi yang perawatan standar rutin melewatkan.

Hasil ini telah terukur lebih awal dan lebih akurat diagnosis di seluruh kondisi, mulai dari penyakit kardiovaskuler hingga kanker – pergeseran yang sudah memperbaiki hasil pasien.

Dalam kesehatan wanita, khususnya, kapasitas ini sangat penting; sistem hormonal dinamis, sangat terhubung, dan sangat individual. Alat berbasis AI mulai menjembatani kesenjangan diagnostik dengan memungkinkan pemantauan yang lebih presisi, prediksi, dan analisis longitudinal di seluruh kesehatan reproduksi, perawatan ibu, dan kondisi ginekologi.

Aplikasi yang muncul termasuk pemindaian fetal yang ditingkatkan dengan AI hingga deteksi non-invasif endometriosis, area di mana diagnostik tradisional telah lama bergelut.

Stella Ourself Health membangun pada fondasi ini dengan mengoperasikan data hormonal longitudinal, mengubah pola menjadi rekomendasi kesehatan pribadi yang dipersonalisasi dan waktu-tergantung, bukan pedoman klinis umum.

“Semakin banyak data yang pengguna bawa ke platform, semakin presisi dan pribadi rekomendasi Stella. Data itu berasal dari beberapa lapisan: gejala individu yang dilacak setiap hari dalam aplikasi, catatan pribadi, dokumen yang pengguna dapat unggah langsung, dan data fisiologis terus menerus dari perangkat wearable seperti Apple Watch,” Torosian menjelaskan.

Dengan demikian, alat itu bergerak melampaui deteksi menuju dukungan keputusan – mengubah kesehatan wanita menjadi sistem komputasi yang berkelanjutan, bukan serangkaian vertikal klinis yang terputus-putus.

“Tujuan adalah menutup kesenjangan antara apa yang seorang wanita tahu tentang tubuhnya sendiri dan apa yang dokter lihat dalam pertemuan singkat – dan untuk memastikan dia tiba di setiap interaksi dengan data sendiri, penelitian terkait terbaru, dan rencana tindakan yang jelas. Stella meletakkan semua itu di tangannya,” pendiri itu menambahkan.

Lapisan Komputasi Baru untuk Kesenjangan Lama

Perbedaan antara menghasilkan wawasan dan menghasilkan panduan yang dapat diaktifkan sangat halus, tetapi secara klinis signifikan. Stella AI dirancang untuk memprioritaskan yang terakhir, menafsirkan tren longitudinal untuk menghasilkan rekomendasi yang dipersonalisasi dan waktu-tergantung, dikalibrasi untuk baseline hormonal setiap pengguna.

Pada intinya, desain Stella beristirahat pada pengakuan bahwa tidak ada dua sistem hormonal yang identik. Platform Ourself kemudian terus belajar dari input pengguna, terlepas dari siklus, gejala,

“Apa yang masih kurang untuk wanita individu adalah kemampuan untuk mengambil alih sekarang – tanpa menunggu penelitian untuk mengejar. Itulah tepatnya di mana Ourself masuk; kita tidak bisa meminta wanita untuk menunda hidup mereka sementara lembaga-lembaga perlahan-lahan menutup kesenjangan pendanaan. Kita bisa memberi mereka alat untuk memahami tubuh mereka sendiri hari ini, membangun catatan kesehatan mereka sendiri, membuat keputusan yang tepat, dan mengambil tindakan dengan apa yang sudah kita ketahui – sementara lanskap penelitian yang lebih luas terus berkembang di sekitar mereka,” Torosian menekankan.

Pendekatan seperti itu mengubah manajemen kesehatan hormonal dari disiplin reaktif menjadi proaktif, di mana intervensi dapat dijadwalkan dan disesuaikan dengan presisi yang model perawatan konvensional tidak dapat menyediakan.

Tapi melampaui kasus individu atau visioner, munculnya teknologi yang lebih baik – dan dibantu AI – memungkinkan lapisan komputasi baru yang dapat membuat kompleksitas itu dapat diaktifkan dan, lebih penting lagi, menyelamatkan nyawa.

Ketika lembaga-lembaga seperti NIH dan American Heart Association secara formal mengalihkan sumber daya, AI menerjemahkan momentum itu menjadi dampak dunia nyata. Janji dari alat-alat ini terletak pada kemampuan mereka untuk mempersonalisasi dan mengoperasikan apa yang telah lama diamati kedokteran tetapi bergelut untuk mengaplikasikan: bahwa kesehatan wanita dinamis.

Masa depan perawatan kesehatan tidak akan ditentukan oleh rata-rata tingkat populasi tetapi oleh presisi – di mana data longitudinal setiap individu membentuk dasar perawatan mereka. Dan, dalam arti itu, AI tidak menggantikan kedokteran, tetapi memperluasnya ke wilayah yang tidak pernah sepenuhnya dilengkapi untuk dinavigasi, sampai sekarang.