Ormoni, dati e la svolta dell’intelligenza artificiale che la medicina tradizionale ha perso

Per decenni, la salute delle donne è stata sotto-rappresentata nella ricerca clinica – poco studiata, semplificata e costretta a adattarsi a modelli costruiti intorno alle medie biologiche maschili. Le condizioni influenzate dai cicli ormonali, ad esempio, sono state a lungo ridotte a immagini cliniche statiche che non tengono conto dei modelli longitudinali e fraintendono i sintomi, contribuendo a diagnosi ritardate e errate.

È stato solo tre decenni fa che la FDA ha permesso alle donne di partecipare nuovamente agli studi di ricerca clinica, eppure le donne rappresentano solo il 30% dei partecipanti agli studi – in gran parte a causa dell’eccessiva attenzione dell’industria farmaceutica verso il loro potenziale di procreazione e le preoccupazioni relative alla fertilità.

Le conseguenze vanno oltre la rappresentanza. Uno studio della University of Pittsburgh School of Public Health ha concluso che la maggior parte dei profili di sicurezza dei farmaci si basa sulla biologia maschile e non tiene conto della variabilità ormonale femminile. Nella ricerca sulle malattie cardiovascolari, in particolare, la mancanza di partecipazione delle donne ha contribuito direttamente a diagnosi ritardate, sintomi ignorati e diagnosi errate a livello sistemico.

Dal 2015, la ricerca clinica ha fatto progressi significativi nell’equità di genere, tuttavia, poiché i National Institutes of Health (NIH) hanno rilasciato una politica per considerare il sesso come una variabile biologica nella ricerca – che implica la necessità di considerare sia le variabili femminili che maschili nella ricerca scientifica successiva.

Tuttavia, il ritardo tra la politica e la pratica è stato sostanziale. È solo ora che una più ampia ondata di ricerca clinica rigorosa che tiene conto esplicitamente della biologia femminile ha iniziato a materializzarsi. E con essa, una convergenza di investimenti istituzionali e intelligenza artificiale che promette di ridisegnare il campo.

La chiamata di risveglio istituzionale

Mentre i dati clinici si accumulano e le nuove lacune di ricerca diventano sempre più importanti, si sta formando un nuovo allineamento tra scienza e tecnologia, orientato non verso il trattamento della biologia femminile come una variabile, ma verso sistemi costruiti fin dall’inizio intorno alle differenze di sesso biologico.

Le istituzioni hanno formalizzato questo cambiamento. L’American Heart Association ha rafforzato la sua attenzione verso la salute cardiovascolare delle donne, ancorata a un fondo di venture di 75 milioni di dollari e a un’iniziativa di ricerca di 15 milioni di dollari che esamina gli effetti dei cicli mestruali sulla salute cardio-renale-metabolica (CKM).

Contemporaneamente, il piano strategico 2024-2028 dell’NIH e un ordine esecutivo della Casa Bianca stanno dirigendo oltre 100 milioni di dollari in fondi ARPA-H verso ciò che i ricercatori hanno definito “finestre metaboliche” – in particolare la menopausa e i cicli mestruali – in risposta alle prove che quasi il 99% degli studi sull’invecchiamento preclinico ha escluso storicamente questi fattori. L’iniziativa, in effetti, è supportata da una raccomandazione dell’Accademia Nazionale di 15,7 miliardi di dollari.

Questi cambiamenti strutturali hanno catalizzato un cambiamento parallelo nel modo in cui i dati sulla salute delle donne vengono raccolti, interpretati e utilizzati. Una nuova generazione di piattaforme sta traducendo i dati ormonali e dei cicli in informazioni cliniche accessibili e rilevanti, consentendo alle donne di identificare i modelli prima che si trasformino in condizioni che le metodologie tradizionali potrebbero fraintendere.

“La mia crisi di salute è stata una delle esperienze più spaventose della mia vita – e ciò che ha rivelato rapidamente è che il carico ricade quasi interamente sul paziente proprio nel momento in cui è meno in grado di sostenerlo”, ha detto Adriana Torosian, fondatrice e amministratrice delegata di Ourself Health, a Unite AI.

Ourself Health sta guidando un cambiamento strutturale nel modo in cui la salute delle donne è percepita, nato dalle esperienze personali delle donne con una cattiva gestione dei dati sanitari e destinato a prevenire problemi futuri con la disallineazione delle informazioni o la mancanza di accesso all’interpretazione dei dati.

La startup con sede a San Francisco ha recentemente presentato Stella, un compagno di salute alimentato da intelligenza artificiale che combina la ricerca più avanzata sulla salute delle donne con la storia personale di salute dell’utente.

“In definitiva, la risposta per me è diventata i miei dati. Sospettavo che il mio ciclo stesse influenzando direttamente la mia condizione e ho portato questa ipotesi ai principali medici, che l’hanno completamente respinta. L’unico modo in avanti era costruire il mio own dataset, trovare le mie risposte e poi portare i miei medici nel mio processo – il contrario di come mi aspettavo che andasse”, ha aggiunto Torosian.

Perché l’intelligenza artificiale cambia l’equazione

L’intelligenza artificiale sta fondamentalmente ridisegnando la diagnostica sanitaria, non sostituendo il giudizio clinico, ma abilitando una forma di riconoscimento di modelli a una scala e continuità che la cura tradizionale non può replicare. A differenza dei modelli clinici che dipendono da incontri episodici, i sistemi di intelligenza artificiale possono analizzare continuamente i registri medici, i biomarcatori e gli input fisiologici in tempo reale, rilevando correlazioni che la cura standard di solito perde.

Questo risultato ha portato a diagnosi più precoci e accurate in condizioni che vanno dalle malattie cardiovascolari al cancro – un cambiamento che sta già migliorando gli esiti dei pazienti.

Nella salute delle donne, in particolare, questa capacità è particolarmente essenziale; i sistemi ormonali sono dinamici, profondamente interconnessi e altamente individualizzati. Gli strumenti alimentati da intelligenza artificiale stanno iniziando a colmare il divario diagnostico abilitando un monitoraggio più preciso, una previsione e un’analisi longitudinale più accurate attraverso la salute riproduttiva, la cura materna e le condizioni ginecologiche.

Le applicazioni emergenti vanno dalla diagnostica per immagini fetali migliorate dall’intelligenza artificiale alla rilevazione non invasiva dell’endometriosi, aree in cui le diagnostice tradizionali hanno a lungo lottato.

Stella di Ourself Health si basa su questa base operazionalizzando i dati ormonali longitudinali, convertendo i modelli in raccomandazioni personalizzate e sensibili al tempo, piuttosto che in linee guida cliniche generalizzate.

“Più dati un utente porta nella piattaforma, più precisa e personale diventa la guida di Stella. Quei dati provengono da più livelli: sintomi individuali tracciati quotidianamente all’interno dell’app, note personali, documenti che l’utente può caricare direttamente e dati fisiologici continui da dispositivi indossabili come l’Apple Watch”, ha spiegato Torosian.

Facendo ciò, lo strumento va oltre la rilevazione verso il supporto decisionale – ridefinendo la salute delle donne come un sistema computabile continuo piuttosto che una serie di verticali cliniche disconnesse.

“L’obiettivo è chiudere il divario tra ciò che una donna sa del proprio corpo e ciò che il suo medico vede in un breve appuntamento – e assicurarsi che lei arrivi a ogni interazione armata dei propri dati, della ricerca più recente e pertinente e di un piano d’azione chiaro. Stella mette tutto questo nelle sue mani”, ha aggiunto il fondatore.

Un nuovo livello computazionale per un vecchio divario

La distinzione tra generare insight e produrre indicazioni azionabili è sottile, ma clinicamente significativa. Stella AI è progettata per dare priorità a quest’ultimo, interpretando le tendenze longitudinali per generare raccomandazioni individualizzate e sensibili al tempo, calibrate sulla linea di base ormonale di ogni utente.

Al suo nucleo, il design di Stella si basa sul riconoscimento che nessun sistema ormonale è identico. La piattaforma Ourself continua quindi a imparare dagli input di ogni utente, indipendentemente dai cicli, dai sintomi,

“Ciò che ancora manca alle donne individuali è la capacità di prendere il controllo subito – senza aspettare che la ricerca colmi il divario. È esattamente qui che Ourself entra in gioco; non possiamo chiedere alle donne di mettere in pausa le loro vite mentre le istituzioni chiudono lentamente il divario di finanziamento. Possiamo dar loro gli strumenti per capire i propri corpi oggi, costruire il proprio registro sanitario, prendere decisioni informate e agire con ciò che già sappiamo – mentre il più ampio paesaggio della ricerca continua a evolversi intorno a loro”, ha sottolineato Torosian.

Un tale approccio trasforma la gestione della salute ormonale da una disciplina reattiva a una proattiva, dove gli interventi possono essere temporali e personalizzati con una precisione che i modelli di cura tradizionali non sono strutturalmente in grado di offrire.

Ma oltre ai casi individuali o ai visionari, l’emergere di tecnologie migliori – e assistite dall’intelligenza artificiale – pone un nuovo livello computazionale in grado di rendere quell’complessità azionabile e, più importante, salvare vite.

Man mano che istituzioni come l’NIH e l’American Heart Association ridirigono formalmente le risorse, l’intelligenza artificiale sta traducendo quella spinta in impatto reale nel mondo. La promessa di questi strumenti risiede nella loro capacità di personalizzare e operazionalizzare ciò che la medicina ha a lungo osservato ma ha lottato per applicare: che la salute delle donne è dinamica.

Il futuro della sanità non sarà definito da medie a livello di popolazione, ma da precisione – dove i dati longitudinali di ogni individuo formano la base della sua cura. E, in questo senso, l’intelligenza artificiale non sta sostituendo la medicina, ma estendendola in un territorio che non era mai stato completamente in grado di navigare, fino a ora.