Nội tiết tố, Dữ liệu và Cuộc cách mạng AI trong Y học truyền thống bị bỏ qua

Trong nhiều thập kỷ, sức khỏe phụ nữ đã bị đại diện thấp trong nghiên cứu lâm sàng – nghiên cứu không đầy đủ, đơn giản hóa và buộc phải phù hợp với các mô hình được xây dựng xung quanh trung bình sinh học nam. Các tình trạng được hình thành bởi chu kỳ hormone, ví dụ, đã bị giảm xuống thành các bức ảnh lâm sàng tĩnh mà bỏ qua các mẫu dài hạn và hiểu lầm các triệu chứng, dẫn đến chẩn đoán chậm và sai.

Chỉ ba thập kỷ trước, FDA đã cho phép phụ nữ tham gia vào các nghiên cứu lâm sàng như những người tham gia, tuy nhiên, phụ nữ vẫn chỉ chiếm 30% số người tham gia thử nghiệm – chủ yếu do ngành công nghiệp dược phẩm tập trung quá nhiều vào tiềm năng sinh sản và lo lắng về khả năng sinh sản của họ.

Hậu quả vượt ra ngoài sự đại diện. Một nghiên cứu của Trường Y tế Công cộng Đại học Pittsburgh kết luận, trên thực tế, hầu hết các hồ sơ an toàn thuốc đều dựa trên sinh học nam và không tính đến sự thay đổi hormone nữ. Trong nghiên cứu bệnh tim mạch, việc không tuyển dụng đủ phụ nữ đã trực tiếp dẫn đến chẩn đoán chậm, triệu chứng bị bỏ qua và chẩn đoán sai.

Kể từ năm 2015, nghiên cứu lâm sàng đã đạt được những bước tiến đáng kể trong việc đảm bảo sự công bằng về giới tính, tuy nhiên, khi Viện Y tế Quốc gia (NIH) đã ban hành một chính sách để xem xét giới tính như một biến số sinh học trong nghiên cứu – bao gồm việc cần xem xét cả biến số nữ và nam trong các nghiên cứu khoa học tiếp theo.

Vẫn còn sự chậm trễ giữa chính sách và thực tiễn. Chỉ bây giờ, một sự gia tăng mạnh mẽ trong nghiên cứu lâm sàng nghiêm ngặt và rõ ràng về sinh học nữ đã bắt đầu xuất hiện. Và cùng với nó, sự hội tụ của đầu tư thể chế và trí tuệ nhân tạo hứa hẹn sẽ thay đổi lĩnh vực này.

Đánh thức thể chế

Khi dữ liệu lâm sàng tích lũy và các khoảng trống nghiên cứu mới trở nên quan trọng, một sự sắp xếp mới giữa khoa học và công nghệ đang hình thành, không nhằm vào việc điều trị sinh học nữ như một biến thể mà nhằm vào các hệ thống được xây dựng từ đầu xung quanh sự khác biệt về giới tính sinh học.

Các thể chế đã chính thức hóa sự thay đổi này. Hiệp hội Tim mạch Mỹ đã tăng cường tập trung vào sức khỏe tim mạch của phụ nữ, được neo đậu bởi một quỹ đầu tư 75 triệu USD Quỹ Venture Go Red for Women và một sáng kiến nghiên cứu 15 triệu USD để nghiên cứu ảnh hưởng của chu kỳ kinh nguyệt đến sức khỏe tim mạch-thận-chuyển hóa (CKM).

Đồng thời, Kế hoạch Chiến lược NIH-Wide 2024-2028 và một lệnh hành pháp của Nhà Trắng đang chỉ đạo hơn 100 triệu USD trong tài trợ ARPA-H để nghiên cứu những gì các nhà nghiên cứu gọi là “cửa sổ chuyển hóa” – cụ thể là thời kỳ mãn kinh và chu kỳ kinh nguyệt – như một phản ứng đối với bằng chứng cho thấy gần 99% nghiên cứu lão hóa tiền lâm sàng đã loại trừ những yếu tố này trong quá khứ. Sáng kiến này thực sự được hỗ trợ bởi một khuyến nghị 15,7 tỷ USD của Học viện Quốc gia.

Các thay đổi cấu trúc này đã kích hoạt một sự thay đổi song song trong cách thu thập, giải thích và thực hiện dữ liệu sức khỏe của phụ nữ. Một thế hệ mới của các nền tảng đang dịch dữ liệu hormone và chu kỳ thành những thông tin lâm sàng có thể tiếp cận, cho phép phụ nữ xác định các mẫu trước khi chúng trở thành các tình trạng mà các phương pháp truyền thống có thể hiểu lầm.

“Crisis sức khỏe của tôi là một trong những trải nghiệm đáng sợ nhất trong cuộc đời tôi – và điều mà nó đã tiết lộ nhanh chóng là gánh nặng gần như hoàn toàn nằm trên bệnh nhân vào chính lúc họ không đủ khả năng để mang nó,” Adriana Torosian, người sáng lập và CEO của Ourself Health, đã nói với Unite AI.

Ourself Health đang dẫn đầu một sự thay đổi cấu trúc trong cách nhìn nhận sức khỏe của phụ nữ, xuất phát từ kinh nghiệm cá nhân của phụ nữ với việc quản lý dữ liệu sức khỏe kém và nhằm mục đích ngăn chặn các vấn đề trong tương lai về sự không phù hợp của thông tin hoặc khả năng tiếp cận kém đến giải thích dữ liệu.

Startup có trụ sở tại San Francisco gần đây đã ra mắt Stella, một người bạn đồng hành sức khỏe được hỗ trợ bởi AI, kết hợp nghiên cứu hàng đầu về sức khỏe của phụ nữ trên thế giới với lịch sử sức khỏe cá nhân của người dùng.

“Cuối cùng, câu trả lời cho tôi đã trở thành dữ liệu của tôi. Tôi nghi ngờ rằng chu kỳ của tôi đang ảnh hưởng trực tiếp đến tình trạng của tôi và đưa ra giả thuyết đó cho các bác sĩ hàng đầu, những người đã từ chối hoàn toàn. Con đường duy nhất phía trước là xây dựng bộ dữ liệu của riêng tôi, tìm ra câu trả lời của riêng tôi và sau đó đưa các bác sĩ của tôi theo quá trình của tôi – hoàn toàn ngược lại với cách tôi dự định nó sẽ diễn ra,” Torosian thêm.

At sao AI thay đổi phương trình

AI đang thay đổi cơ bản việc chẩn đoán y tế, không phải bằng cách thay thế phán đoán lâm sàng, mà bằng cách cho phép một hình thức nhận dạng mẫu ở quy mô và tính liên tục mà chăm sóc truyền thống không thể sao chép. Không giống như các mô hình lâm sàng phụ thuộc vào các cuộc gặp gỡ theo từng giai đoạn, các hệ thống AI có thể phân tích liên tục hồ sơ y tế, dấu ấn sinh học và đầu vào sinh lý theo thời gian thực, phát hiện ra các mối tương quan mà chăm sóc tiêu chuẩn thường bỏ qua.

Kết quả này đã được đo lường là chẩn đoán sớm hơn và chính xác hơn trong các tình trạng từ bệnh tim mạch đến ung thư – một sự thay đổi đã cải thiện kết quả cho bệnh nhân.

Trong sức khỏe của phụ nữ, khả năng này đặc biệt quan trọng; hệ thống hormone là động, liên kết sâu và高度 cá nhân hóa. Các công cụ hỗ trợ bởi AI đang bắt đầu bắc cầu khoảng cách chẩn đoán bằng cách cho phép theo dõi chính xác hơn, dự đoán và phân tích dài hạn trong chăm sóc sinh sản, chăm sóc mẹ và các tình trạng phụ khoa.

Các ứng dụng mới nổi của công nghệ này bao gồm hình ảnh thai nhi được hỗ trợ bởi AI và phát hiện không xâm lấn bệnh lạc nội mạc tử cung, những lĩnh vực mà chẩn đoán truyền thống đã gặp khó khăn trong một thời gian dài.

Stella của Ourself Health xây dựng trên nền tảng này bằng cách hoạt hóa dữ liệu hormone dài hạn, chuyển đổi các mẫu thành hướng dẫn sức khỏe được cá nhân hóa và nhạy cảm với thời gian thay vì hướng dẫn lâm sàng chung chung.

“Càng nhiều dữ liệu mà người dùng đưa vào nền tảng, càng chính xác và cá nhân hóa hướng dẫn của Stella. Dữ liệu đó đến từ nhiều lớp: các triệu chứng được theo dõi hàng ngày trong ứng dụng, ghi chú, tài liệu mà người dùng có thể tải lên trực tiếp và dữ liệu sinh lý liên tục từ các thiết bị đeo như Apple Watch,” Torosian giải thích.

Bằng cách đó, công cụ này vượt ra ngoài việc phát hiện để hỗ trợ quyết định – định hình lại sức khỏe của phụ nữ như một hệ thống có thể tính toán và liên tục thay vì một loạt các lĩnh vực lâm sàng rời rạc.

“Mục tiêu là đóng khoảng cách giữa những gì một người phụ nữ biết về cơ thể của mình và những gì bác sĩ của cô ấy nhìn thấy trong một cuộc hẹn ngắn – và đảm bảo rằng cô ấy đến mọi cuộc tương tác với dữ liệu của mình, nghiên cứu liên quan mới nhất và một kế hoạch hành động rõ ràng. Stella đặt tất cả những điều đó vào tay cô ấy,” người sáng lập thêm.

Một lớp tính toán mới cho một khoảng trống cũ

Sự khác biệt giữa việc tạo ra thông tin và sản xuất hướng dẫn có thể hành động là tinh tế nhưng có ý nghĩa lâm sàng. Stella AI được thiết kế để ưu tiên hướng dẫn sau, giải thích các xu hướng dài hạn để tạo ra các khuyến nghị được cá nhân hóa và nhạy cảm với thời gian, được hiệu chỉnh cho baseline hormone của từng người dùng.

Ở cốt lõi, thiết kế của Stella dựa trên việc nhận ra rằng không có hai hệ thống hormone nào là giống hệt nhau. Nền tảng Ourself sau đó liên tục học hỏi từ các đầu vào của từng người dùng, bất kể chu kỳ, triệu chứng,

“Điều vẫn còn thiếu cho từng phụ nữ là khả năng nắm quyền ngay bây giờ – mà không cần chờ đợi nghiên cứu để bắt kịp. Đó chính xác là nơi Ourself bước vào; chúng tôi không thể yêu cầu phụ nữ tạm dừng cuộc sống của họ trong khi các thể chế chậm chạp đóng khoảng trống tài trợ. Chúng tôi có thể cung cấp cho họ các công cụ để hiểu cơ thể của mình ngay hôm nay, xây dựng hồ sơ sức khỏe của mình, đưa ra quyết định thông minh và thực hiện hành động với những gì chúng tôi đã biết – trong khi cảnh quan nghiên cứu rộng lớn hơn tiếp tục phát triển xung quanh họ,” Torosian nhấn mạnh.

Sự tiếp cận này biến quản lý sức khỏe hormone từ một lĩnh vực phản ứng thành một lĩnh vực chủ động, nơi các can thiệp có thể được sắp xếp và điều chỉnh với sự chính xác mà các mô hình chăm sóc truyền thống không đủ khả năng cung cấp.

Nhưng vượt ra ngoài các trường hợp cá nhân hoặc tầm nhìn, sự xuất hiện của các công nghệ tốt hơn – và được hỗ trợ bởi AI – đặt ra một lớp tính toán mới có khả năng không chỉ làm cho sự phức tạp này có thể hành động mà còn cứu sống.

Khi các thể chế như NIH và Hiệp hội Tim mạch Mỹ chính thức chuyển hướng nguồn lực, AI đang chuyển đổi động lực đó thành tác động thực tế. Tiềm năng của những công cụ này nằm ở khả năng cá nhân hóa và hoạt hóa những gì y học đã quan sát nhưng gặp khó khăn trong việc áp dụng: sức khỏe của phụ nữ là động.

Tương lai của chăm sóc sức khỏe sẽ không được định nghĩa bởi các mức trung bình của dân số mà bởi sự chính xác – nơi dữ liệu dài hạn của từng cá nhân tạo thành nền tảng của chăm sóc. Và, trong ý nghĩa đó, AI không thay thế y học, mà mở rộng nó vào lãnh thổ mà nó chưa bao giờ được trang bị đầy đủ để điều hướng, cho đến bây giờ.