Tankeledere
Hormoner, data og gjennombruddet i kunstig intelligens som tradisjonell medisin gikk glipp av

Viktige punkterOurself Healths Stella AI konverterer longitudinelle hormonelle data til personlige…
Vis mer
- Ourself Healths Stella AI konverterer longitudinelle hormonelle data til personlige helsestatusanbefalinger.
- NIH og American Heart Association har rettet over 100 millioner dollar mot forskning på kvinners metabolske vindu.
- AI muliggjør kontinuerlig mønstergjenkjenning som tradisjonell episodisk behandling strukturelt ikke kan gjenskape.
I flere tiår har kvinnehelse vært underrepresentert i kliniske studier – for lite undersøkt, overforenklet og tvunget til å passe inn i modeller bygget rundt mannlige biologiske gjennomsnitt. Tilstander som er påvirket av hormonelle sykluser, for eksempel, har lenge vært redusert til statiske kliniske øyeblikksbilder som overser langsiktige mønstre og misforstår symptomer, noe som bidrar til forsinkede og feilaktige diagnoser.
Det var først for tre tiår siden at FDA tillot kvinner å delta i kliniske studier igjen, men kvinner utgjør fortsatt bare 30% av studiedeltakerne – hovedsakelig på grunn av legemiddelindustriens overfokus på deres mulighet til å få barn og bekymringer knyttet til fertilitet.
Konsekvensene går utover representasjon. En studie fra University of Pittsburgh School of Public Health konkluderte med at de fleste sikkerhetsprofiler for legemidler er basert på mannlig biologi, og ikke tar hensyn til kvinnelig hormonell variasjon. I forskning på hjerte- og karsykdommer har underrekrutteringen av kvinner direkte bidratt til forsinkede diagnoser, forkastede symptomer og systematiske feildiagnoser.
Siden 2015 har klinisk forskning gjort betydelige fremskritt i likestilling mellom kjønnene, ettersom National Institutes of Health (NIH) utga en politikk for å vurdere kjønn som en biologisk variabel i forskning – som innebærer å vurdere både kvinnelige og mannlige variabler i videre vitenskapelig undersøkelse.
Likevel har forsinkelsen mellom politikk og praksis vært betydelig. Først nå begynner en bredere økning i klinisk rigorøs forskning som uttrykkelig tar hensyn til kvinnelig biologi å materialisere seg. Og med det, en konvergens av institusjonell investering og kunstig intelligens som lover å omforme feltet.
Institusjonenes vekker
Etter hvert som kliniske data akkumuleres og nye forskningshull får stadig større konsekvenser, dannes en ny orientering mellom vitenskap og teknologi, rettet ikke mot å behandle kvinners biologi som en variant, men mot systemer bygget opp fra grunnen med utgangspunkt i biologiske kjønnsforskjeller.
Institusjoner har formalisert denne endringen. American Heart Association har styrket fokuset på kvinners hjerte- og karhelse med fondet på 75 millioner amerikanske dollar, Go Red for Women Venture Fund, og et forskningsinitiativ på 15 millioner dollar som undersøker effekten av menstruasjonssykluser på hjerte-, kar-, nyre- og metabolsk helse (CKM).
Samtidig har 2024-2028 NIH-Wide Strategic Plan og en White House Executive Order rettet over $100 millioner USD i ARPA-H-finansiering mot hva forskerne har kalt “metabolske vinduer” – spesifikt menopause og menstruasjonssykluser – som svar på bevis for at nesten 99% av prekliniske aldrings-studier historisk har ekskludert disse faktorene. Initiativet er faktisk bakket opp av en anbefaling fra National Academies på 15,7 milliarder amerikanske dollar.
Disse strukturelle endringene har katalysert en parallell endring i hvordan data om kvinnehelse samles inn, tolkes og brukes som grunnlag for handling. En ny generasjon plattformer oversetter hormon- og syklusdata til tilgjengelige, klinisk relevante innsikter, som muliggjør at kvinner kan identifisere mønster før de eskalerer til tilstander som tradisjonelle metoder kan misforstå.
“Min egen helsekrise var en av de mest skremmende erfaringene i mitt liv — og hva den avdekket raskt var at byrden faller nesten helt på pasienten akkurat i det øyeblikket pasienten er minst rustet til å bære den,” fortalte Adriana Torosian, grunnlegger og CEO av Ourself Health, til Unite AI.
Ourself Health leder en strukturell endring i hvordan kvinnehelse oppfattes, som stammer fra kvinners personlige erfaringer med dårlig håndtering av helsedata, og er ment å forebygge fremtidige problemer med misjustering av informasjon eller dårlig tilgang til datatolkning.
Det San Francisco-baserte oppstartsselskapet har nylig avduket Stella, en kunstig intelligens-drevet helse-kompanjong som kombinerer verdens ledende forskning på kvinnehelse med brukernes personlige helsehistorie.
“Til slutt ble svaret for meg mine egne data. Jeg mistenkte at min syklus hadde direkte innvirkning på min tilstand og tok denne hypotesen til ledende leger, som avviste den fullstendig. Den eneste veien videre var å bygge mitt eget datasett, finne mine egne svar og så bringe mine leger med i min prosess — det komplette motsatte av hvordan jeg hadde forventet at dette skulle gå,” la Torosian til.
Hvorfor kunstig intelligens endrer bildet
Kunstig intelligens endrer fundamentalt diagnostikk i helsevesenet, ikke ved å erstatte klinisk dømmekraft, men ved å muliggjøre en form for mønstergjenkjenning i en skala og kontinuitet som tradisjonell omsorg ikke kan gjenta. I motsetning til kliniske modeller som avhenger av episodiske møter, kan kunstig intelligens-systemer kontinuerlig analysere medisinske journaler, biomarkører og fysiologiske sanntidsdata, og oppdage korrelasjoner som vanlig behandling rutinemessig overser.
Resultatet har vært målbart tidligere og mer nøyaktige diagnoser over hele spekteret av tilstander, fra hjerte- og karsykdom til kreft – en endring som allerede forbedrer behandlingsresultatene for pasientene.
I kvinnehelse spesifikt, er denne kapasiteten særlig essensiell; hormonelle systemer er dynamiske, dypt sammenkoblede og høyt individualiserte. Kunstig intelligens-drevne verktøy begynner å lukke diagnostisk gap ved å muliggjøre mer presis overvåking, prediksjon og langsiktige analyser over reproduktiv helse, mødre- og barselshjelp og gynekologiske tilstander.
Fremvoksende applikasjoner omfatter kunstig intelligens-forbedret foster-bildebehandling og ikke-invasiv deteksjon av endometriose, områder hvor tradisjonell diagnostikk lenge har kjempet.
Ourself Healths Stella bygger på dette grunnlaget ved å operasjonalisere langsiktige hormonelle data, og konverterer mønster til personlige, tidssensitive helse-anbefalinger i stedet for generelle kliniske retningslinjer.
“Jo mer data en bruker bringer inn i plattformen, jo mer presis og personlig blir Stellas veiledning. Disse dataene kommer fra flere lag: individuelle symptomer sporet daglig innenfor appen, personlige notater, dokumenter en bruker kan laste opp direkte, og kontinuerlige fysiologiske data fra wearables som Apple Watch,” forklarte Torosian.
Ved å gjøre dette, flytter verktøyet seg bort fra deteksjon mot beslutningsstøtte – og omdefinierer kvinnehelse som et kontinuerlig, beregnbart system i stedet for en rekke adskilte kliniske fagområder.
“Målet er å lukke gapet mellom hva en kvinne vet om sin egen kropp og hva hennes lege ser i en kort konsultasjon — og å sikre at hun ankommer hver interaksjon utstyrt med sine egne data, den siste relevante forskningen og en klar handlingsplan. Stella legger all dette i hendene hennes,” la grunnleggeren til.
Et nytt beregningslag for et gammelt gap
Forskjellen mellom å generere innsikt og å produsere handlebare retningslinjer er subtil, men klinisk signifikant. Stella AI er designet for å prioritere det siste, og tolker langsiktige trender for å generere individualiserte og tidssensitive anbefalinger, kalibrert til hver brukers hormonelle basislinje.
I sin kjerne hviler Stellas design på erkjennelsen av at ingen to hormonelle systemer er identiske. Ourself-plattformen lærer derfor kontinuerlig av hver brukers innputt, uavhengig av sykluser, symptomer,
“Hva som fortsatt mangler for enkelte kvinner er evnen til å ta kontroll nå — uten å vente på at forskningen skal fange opp. Det er nettopp der Ourself kommer inn; vi kan ikke be kvinner om å pause livene sine mens institusjoner langsomt lukker finansierings-gapet. Vi kan gi dem verktøyene til å forstå sine egne kropper i dag, bygge sine egne helsejournaler, ta informerte beslutninger og handle med det vi allerede vet — mens det bredere forskningslandskapet fortsatt utvikler seg rundt dem,” understreket Torosian.
En slik tilnærming transformerer håndtering av hormonell helse fra en reaktiv disiplin til en proaktiv en, hvor inngrep kan tidfestes og tilpasses med en presisjon som konvensjonelle omsorgsmodeller er strukturelt dårlig utstyrt til å levere.
Men utover enkelte tilfeller eller visjonærer, tilfører fremveksten av bedre – og kunstig intelligens-assisterte – teknologier et nytt beregnbart lag som kan gjøre denne kompleksiteten håndterbar og, viktigst, redde liv.
Som institusjoner som NIH og American Heart Association formelt omretter ressurser, oversetter kunstig intelligens denne fremdriften til virkelige resultater. Løftene fra disse verktøyene ligger i deres evne til å personalisere og operasjonalisere hva medisin lenge har observert, men har kjempet med å anvende: at kvinnehelse er dynamisk.
Fremtiden for helsetjenester vil ikke bli definert av gjennomsnitt på befolkningsnivå, men av presisjon – hvor hver enkelts langsiktige data danner grunnlaget for deres omsorg. Og i den forstand, er kunstig intelligens ikke en erstatning for medisin, men en utvidelse av den til et område som medisinen aldri før har vært fullt ut rustet til å utforske.












