思想领袖
激素、数据,以及传统医学错过的AI突破

要点Ourself Health的Stella AI将纵向激素数据转化为个性化健康建议。
查看更多
- Ourself Health的Stella AI将纵向激素数据转化为个性化健康建议。
- 美国国立卫生研究院和美国心脏协会已向女性代谢窗口研究拨款超过1亿美元。
- 人工智能能够实现传统间歇性护理在结构上无法复制的持续模式识别。
几十年来,女性健康在临床研究中长期未得到充分重视——研究不足、过度简化,并被迫适应以男性生物学平均值为基础的模型。例如,受到激素周期影响的疾病长期以来被简化为静态的临床快照,忽略了纵向模式,并误读症状,导致延迟和错误的诊断。
就在三十年前,FDA才允许女性重新参加临床研究作为参与者,但女性仍然只占试验参与者的30%,主要是由于制药行业过度关注她们的生育潜力和生育问题。
后果超出了代表性。匹兹堡大学公共卫生学院的一项研究得出结论,事实上,大多数药物安全性资料都是基于男性的生物学,未能考虑到女性激素的变化。在心血管疾病研究中,女性的低参与率直接导致了延迟的诊断、忽视的症状和系统性的误诊。
自2015年以来,临床研究在性别平等方面取得了有意义的进步,这是因为美国国立卫生研究院(NIH)发布了一项政策,要求在研究中将性别作为生物学变量加以考虑,这意味着后续科学研究需要兼顾女性和男性的变量。
然而,政策和实践之间的差距很大。直到现在,一个更广泛的、严格的临床研究浪潮才开始形成,明确考虑女性生物学。同时,机构投资和人工智能的融合承诺重塑这一领域。
机构的警醒
随着临床数据不断积累,新出现的研究缺口带来的影响愈发重大,科学与技术正在形成新的协同。这一方向不再将女性生物学视为一种变体,而是围绕生物学上的性别差异,从头构建系统。
机构已经正式确定了这一转变。美国心脏协会加强了对女性心血管健康的关注,通过7500万美元的“为女性而红”风险投资基金和1500万美元的研究计划,研究月经周期对心血管-肾脏-代谢(CKM)健康的影响。
同时,2024-2028年NIH范围内的战略计划和白宫行政命令正在将超过1亿美元的ARPA-H资金分配到所谓的“代谢窗口”——特别是更年期和月经周期——以响应证据,几乎99%的预临床老化研究历史上排除了这些因素。该计划实际上得到了157亿美元的国家科学院推荐。
这些结构变化催化了女性健康数据收集、解释和采取行动方式的平行转变。新一代平台将激素和周期数据转化为易于理解且具有临床意义的见解,让女性能够在这些模式发展为可能被传统方法误判的疾病之前,就识别出它们。
“我自己的健康危机是我一生中最可怕的经历之一——它很快揭示了负担几乎完全落在患者身上,正是在他们最不具备承担能力的时候,”Adriana Torosian作为Ourself Health的创始人兼CEO,告诉Unite AI。
Ourself Health正引领女性健康认知方式的结构性转变。这源于女性在健康数据管理不善方面的亲身经历,旨在防止未来因信息不一致或难以获得数据解读而出现的问题。
总部位于旧金山的初创公司最近推出了Stella,一款人工智能驱动的健康伴侣,将世界领先的女性健康研究与用户的个人健康历史相结合。
“最终,答案对我来说变成了我的数据。我怀疑我的周期直接影响了我的病况,并将这个假设带给了顶尖的医生,他们完全否定了这一假设。唯一的前进方式是建立我自己的数据集,找到我自己的答案,并将我的医生带入我的过程——这与我预期的完全相反,”Torosian补充说。
为什么人工智能改变了等式
人工智能从根本上重塑了医疗诊断,不是通过取代临床判断,而是通过使模式识别在传统护理无法复制的规模和连续性上成为可能。与依赖于一次次就诊接触的临床模型不同,人工智能系统可以连续分析医疗记录、生物标志物和实时生理输入,检测到标准护理通常会错过的相关性。
这一结果已经在心血管疾病到癌症等多种病况中实现了可衡量的更早、更准确的诊断——这已经改善了患者的结果。
在女性健康方面,这种能力尤为重要;激素系统是动态的、相互关联的和高度个性化的。人工智能驱动的工具开始通过更精确的监测、预测和纵向分析来弥合诊断差距,涵盖生殖健康、产科护理和妇科病况。
新兴的应用范围从人工智能增强的胎儿成像到非侵入性检测子宫内膜异位症,这些领域传统诊断长期以来一直难以解决。
Ourself Health的Stella建立在这一基础上,通过实际运用纵向激素数据,将其中的模式转化为个性化且适时的健康建议,而不是一般的临床指导。
“用户带入平台的数据越多,Stella的指导就越精确、越个性化。这些数据来自多个层面:应用程序内每日跟踪的个人症状、个人笔记、用户可以直接上传的文档和来自可穿戴设备如Apple Watch的连续生理数据,”Torosian解释说。
通过这样做,该工具超越了检测,转向决策支持——将女性健康重新定义为一个连续的、可计算的系统,而不是一系列断裂的临床垂直领域。
“目标是弥合女性对自己身体的了解与医生在简短会诊中看到的之间的差距——并确保她在每次互动中都拥有自己的数据、最新的相关研究和明确的行动计划。Stella将所有这些放在她的手中,”创始人补充说。
为旧缺口提供新的计算层
生成洞察力和产生可行的指导之间的区别是微妙的,但临床上显著。Stella人工智能的设计优先考虑后者,解释纵向趋势以生成个性化和时敏的建议,校准到每个用户的激素基线。
在其核心,Stella的设计基于这样的认识:没有两个激素系统是相同的。Ourself平台随后持续从每位用户的输入中学习,无论周期、症状,
“对于个别女性来说,仍然缺乏的是能够立即掌控局势的能力——而不需要等待研究赶上。这正是Ourself的用途所在;我们不能要求女性在机构缓慢关闭资金缺口时暂停她们的生活。我们可以给她们工具,让她们今天就能理解自己的身体,建立自己的健康记录,做出明智的决定,并采取行动,利用我们已经知道的知识——同时,整个研究格局继续围绕她们演变,”Torosian强调说。
这种方法将激素健康管理从被动应对转变为主动管理,使干预的时机和内容能够以传统护理模式在结构上尚不足以提供的精度进行个体化调整。
但超越个别案例或有远见的人,更好且由人工智能辅助的技术的出现——提出了一种新的计算层,能够使复杂性变得可行,并且更重要的是,能够挽救生命。
随着机构如NIH和美国心脏协会正式重新分配资源,人工智能正在将这一势头转化为现实世界的影响。这些工具的承诺在于它们的个性化和可操作化能力——将医学长期观察但难以应用的内容变为现实:女性健康是动态的。
医疗保健的未来不会被定义为人口层面的平均值,而是精确度——每个个体的纵向数据将成为他们的护理基础。从这个意义上说,人工智能并不是取代医学,而是将其扩展到医学此前尚未充分具备条件探索的领域,直到现在。












