Hormonen, Data en de AI-Doorbraak die de Traditionele Geneeskunde Gemist Heeft

Al decennialang is de gezondheid van vrouwen ondervertegenwoordigd in klinisch onderzoek – onvoldoende bestudeerd, oversimplificeerd en gedwongen om te passen in modellen die zijn gebouwd rondom mannelijke biologische gemiddelden. Aandoeningen die worden gevormd door hormonale cycli, bijvoorbeeld, zijn lange tijd gereduceerd tot statische klinische momentopnamen die longitudinale patronen missen en symptomen verkeerd interpreteren, waardoor diagnoses vertraagd en onjuist zijn.

Het was pas drie decennia geleden dat de FDA vrouwen weer toeliet tot klinisch onderzoek als deelnemers, maar vrouwen maken nog steeds slechts 30% uit van de deelnemers aan klinische trials – grotendeels vanwege de overfocus van de farmaceutische industrie op hun vruchtbaarheid en fertiliteitszorgen.

De gevolgen gaan verder dan alleen vertegenwoordiging. Een studie van de University of Pittsburgh School of Public Health concludeerde dat de meeste veiligheidsprofielen van geneesmiddelen zijn gebaseerd op mannelijke biologie en niet rekening houden met vrouwelijke hormonale variatie. In het onderzoek naar hart- en vaatziekten in het bijzonder heeft de ondervertegenwoordiging van vrouwen rechtstreeks bijgedragen aan vertraagde diagnoses, genegeerde symptomen en systematische misdiagnoses.

Sinds 2015 heeft klinisch onderzoek significante stappen gezet in sekse-gelijkheid, maar zoals het National Institutes of Health (NIH) een beleid heeft uitgevaardigd om sekse te beschouwen als een biologische variabele in onderzoek – waarmee het noodzakelijk is om zowel vrouwelijke als mannelijke variabelen te beschouwen in verdere wetenschappelijke onderzoeken.

Nog steeds is de vertraging tussen beleid en praktijk aanzienlijk. Het is pas nu dat een bredere golf van klinisch rigoureus onderzoek dat expliciet rekening houdt met vrouwelijke biologie, begint te materialiseren. En met dat onderzoek komt een convergentie van institutionele investeringen en kunstmatige intelligentie die belooft het veld te herschikken.

De Institutionele Wake-Up Call

Terwijl klinische gegevens accumuleren en nieuwe onderzoeksgebieden steeds belangrijker worden, vormt zich een nieuwe alliantie tussen wetenschap en technologie, gericht niet op het behandelen van vrouwelijke biologie als een variatie, maar op systemen die zijn opgebouwd vanuit het begin rondom biologische sekseverschillen.

Instituties hebben die verschuiving geformaliseerd. De American Heart Association heeft zijn focus op vrouwenhartgezondheid versterkt met een $75 miljoen USD Go Red for Women Venture Fund en een $15 miljoen onderzoeksinitiatief dat onderzoekt de effecten van menstruatiecycli op cardiovasculaire-nier-metabole (CKM) gezondheid.

Tegelijkertijd richt het 2024-2028 NIH-Wide Strategic Plan en een White House Executive Order meer dan $100 miljoen USD in ARPA-H financiering naar wat onderzoekers “metabole vensters” noemen – specifiek menopauze en menstruatiecycli – als reactie op bewijs dat bijna 99% van preklinische verouderingsstudies historisch gezien deze factoren hebben uitgesloten. Het initiatief wordt in feite gesteund door een $15,7 miljard USD National Academies aanbeveling.

Deze structurele veranderingen hebben een parallelle verschuiving veroorzaakt in hoe vrouwengezondheidsgegevens worden verzameld, geïnterpreteerd en toegepast. Een nieuwe generatie platforms vertaalt hormonale en cyclische gegevens in toegankelijke, klinisch relevante inzichten, waardoor vrouwen patronen kunnen identificeren voordat ze escaleren in aandoeningen die traditionele methoden kunnen misinterpreteren.

“Mijn eigen gezondheidscrisis was een van de meest angstaanjagende ervaringen van mijn leven – en wat het snel onthulde was dat de last bijna geheel op de patiënt rust op het moment dat ze het minst in staat zijn om het te dragen,” zei Adriana Torosian, oprichter en CEO van Ourself Health, tegen Unite AI.

Ourself Health leidt een structurele verschuiving in hoe vrouwengezondheid wordt waargenomen, voortkomend uit vrouwenpersoonlijke ervaringen met slecht gezondheidsgegevensbeheer, en bedoeld om toekomstige problemen met misalignement van informatie of slechte toegang tot gegevensinterpretatie te voorkomen.

Het in San Francisco gevestigde startup onthulde onlangs Stella, een AI-gezondheidscompanion die de wereldleidende vrouwengezondheidsonderzoek combineert met de persoonlijke gezondheidsgeschiedenis van de gebruiker.

“Uiteindelijk werd het antwoord voor mij mijn eigen gegevens. Ik vermoedde dat mijn cyclus rechtstreeks mijn aandoening beïnvloedde en bracht die hypothese naar toonaangevende artsen, die het volledig afwezen. De enige manier om verder te gaan was door mijn eigen dataset op te bouwen, mijn eigen antwoorden te vinden en vervolgens mijn artsen bij mijn proces te betrekken – het complete tegenovergestelde van hoe ik had verwacht dat dit zou gaan,” voegde Torosian toe.

Waarom AI de Vergelijking Verandert

AI verandert fundamenteel de diagnostiek in de gezondheidszorg, niet door klinische oordeel te vervangen, maar door een vorm van patroonherkenning mogelijk te maken op een schaal en continuïteit die traditionele zorg niet kan repliceren. In tegenstelling tot klinische modellen die afhankelijk zijn van episodische ontmoetingen, kunnen AI-systemen continu medische dossiers, biomarkers en real-time fysiologische inputs analyseren, waardoor correlaties worden gedetecteerd die standaardzorg routinematig mist.

Dit resulteert in eerder en nauwkeurigere diagnoses over een breed scala aan aandoeningen, van hart- en vaatziekten tot kanker – een verschuiving die al patiëntresultaten verbetert.

In vrouwengezondheid in het bijzonder is deze capaciteit bijzonder essentieel; hormonale systemen zijn dynamisch, diep verbonden en sterk geïndividualiseerd. AI-gestuurde tools beginnen de diagnostische kloof te overbruggen door meer precieze monitoring, voorspelling en longitudinale analyse mogelijk te maken over reproductieve gezondheid, moederzorg en gynaecologische aandoeningen.

Nieuwe toepassingen variëren van AI-verbeterde foetale beeldvorming tot niet-invasieve detectie van endometriose, gebieden waar traditionele diagnostiek lang heeft gestreden.

Ourself Health’s Stella bouwt voort op deze basis door longitudinale hormonale gegevens operationeel te maken, patronen om te zetten in gepersonaliseerde, tijdgevoelige gezondheidsaanbevelingen in plaats van gegeneraliseerde klinische richtlijnen.

“Hoe meer gegevens een gebruiker in de platform brengt, hoe preciezer en persoonlijker Stella’s aanbevelingen worden. Die gegevens komen uit meerdere lagen: individuele symptomen die dagelijks binnen de app worden bijgehouden, persoonlijke notities, documenten die een gebruiker rechtstreeks kan uploaden, en continue fysiologische gegevens van wearables zoals de Apple Watch,” legde Torosian uit.

Daarmee verplaatst het instrument zich voorbij detectie naar beslissingsondersteuning – vrouwengezondheid herschikkend als een continue, berekenbare systeem in plaats van een reeks losse klinische verticale lijnen.

“Het doel is om de kloof te dichten tussen wat een vrouw weet over haar eigen lichaam en wat haar arts ziet in een korte afspraak – en ervoor te zorgen dat ze bij elke interactie gewapend is met haar eigen gegevens, de laatste relevante onderzoeken en een duidelijk actieplan. Stella legt al dat in haar handen,” voegde de oprichter toe.

Een Nieuwe Computationele Laag voor een Oude Kloof

Het onderscheid tussen het genereren van inzicht en het produceren van actiegerichte richtlijnen is subtiel, maar klinisch significant. Stella AI is ontworpen om de laatste prioriteit te geven, longitudinale trends te interpreteren om individuele en tijdgevoelige aanbevelingen te genereren, afgestemd op elke gebruikers hormonale basislijn.

In zijn kern rust Stella’s ontwerp op de erkenning dat geen twee hormonale systemen identiek zijn. Het Ourself-platform leert vervolgens continu van elke gebruikersinput, ongeacht cycli, symptomen,

“Wat nog steeds ontbreekt voor individuele vrouwen is de mogelijkheid om nu in actie te komen – zonder te wachten tot het onderzoek het gat dicht. Dat is precies waar Ourself binnenkomt; we kunnen vrouwen niet vragen om hun leven te pauzeren terwijl instituties langzaam het financieringsgat dichten. We kunnen hen de instrumenten geven om hun eigen lichaam te begrijpen, hun eigen gezondheidsdossier op te bouwen, geïnformeerde beslissingen te nemen en actie te ondernemen met wat we al weten – terwijl het bredere onderzoekslandschap rondom hen blijft evolueren,” benadrukte Torosian.

Een dergelijke aanpak verandert hormonale gezondheidsbeheer van een reactieve discipline in een proactieve, waarin interventies getimed en aangepast kunnen worden met een precisie die conventionele zorgmodellen structureel niet in staat zijn te leveren.

Maar voorbij individuele gevallen of visionairs, stelt de opkomst van betere – en AI-ondersteunde – technologieën een nieuwe computationele laag voor die zowel in staat is om die complexiteit actiegericht te maken als, belangrijker nog, levens te redden.

Terwijl instituties zoals de NIH en de American Heart Association formeel middelen omleiden, vertaalt AI die impuls in reële impact. De belofte van deze instrumenten ligt in hun vermogen om te personaliseren en operationeel te maken wat geneeskunde lang heeft waargenomen maar moeite had om toe te passen: dat vrouwengezondheid dynamisch is.

De toekomst van de gezondheidszorg zal niet worden gedefinieerd door populatiegemiddelden, maar door precisie – waar elke individuele longitudinale gegevens de basis vormen van hun zorg. En in die zin is AI de geneeskunde niet aan het vervangen, maar verlengt het deze naar terrein waar het nooit volledig was uitgerust om te navigeren, tot nu toe.