211service.com
Una startup che sposa l'IA con l'empatia sta aiutando le donne a concepire
Collage di illustrazioni che mostra una stanza del server, una famiglia e il diagramma di un'ovaia Emily Haasch
Quando Shivani si stava avvicinando al suo 30esimo compleanno, si rese conto che voleva essere una mamma. Non era sicura di quando. Non aveva ancora un partner a lungo termine ed era consapevole del suo orologio biologico che ticchettava. Quindi ha cercato di congelare le sue uova per aumentare le sue possibilità di avere figli più avanti nella vita. Nessuno ha le uova per sempre, sfortunatamente, dice.
Shivani, che ha chiesto di non usare il suo vero nome per evitare controversie nella sua comunità di immigrati indiani, non l'ha affrontata immediatamente: sentiva che la tecnologia era troppo giovane e invasiva. Ma intorno al suo 36esimo compleanno, sentiva che non avrebbe dovuto aspettare oltre. Dopo essere riuscita a risparmiare i $ 15.000 che stimava sarebbero costati, è andata a visitare una clinica.
Prima di iniziare il processo di estrazione dell'uovo, una donna deve prima sottoporsi a una valutazione per determinare la sua idoneità alla fecondazione in vitro (IVF). Le cliniche spesso lo fanno usando a registro nazionale dei risultati della fecondazione in vitro per cercare quante donne all'interno della fascia di età di un paziente sono terminate con successo con un parto vivo. Uno specialista della fertilità regola quindi tale percentuale tenendo conto dell'altezza e del peso del paziente, nonché di esami come ultrasuoni e analisi del sangue.
Shivani ha iniziato il processo allo stesso modo: ha riferito la sua età, ha misurato il suo indice di massa corporea e ha eseguito alcuni test. Ma quando è tornata in clinica per discutere delle sue prospettive, il suo medico ha iniziato consegnandole un rapporto multicolore. Era stato prodotto inserendo tali informazioni in un algoritmo di apprendimento automatico e mostrava una previsione personalizzata su come le sue possibilità di avere un bambino sarebbero aumentate a ogni ciclo di estrazione di uova, fino a tre. Le ha anche mostrato come si confrontava con altre donne che erano state curate nella stessa clinica. Sono già arrivata impegnata al 100%, ma il rapporto mi ha messo al 120%, dice. Mi ha aiutato a consolidare la mia decisione.
beni comuni di Wikimedia
La fecondazione in vitro può essere un processo fisicamente, emotivamente e finanziariamente faticoso che spesso richiede più cicli di estrazione. Più del 50% di coloro che iniziano la fecondazione in vitro abbandonano dopo il primo ciclo fallito a causa dei costi e dell'incertezza. Univfy , l'azienda dietro il software che ha prodotto il rapporto di Shivani, ritiene che l'apprendimento automatico possa aiutare le persone ad avviare e portare a termine il processo: fornendo loro previsioni più precise e personalizzate dei loro possibili risultati. Ma questa è solo una parte della soluzione. L'altra parte, altrettanto importante: la comunicazione empatica.
Per la stragrande maggioranza delle persone negli Stati Uniti, l'ostacolo più grande è che i pazienti abbandonino la terapia prima di arrivare al bambino, afferma Serena Chen, il medico di Shivani, il cui istituto, l'Institute for Reproductive Medicine and Science nel New Jersey, utilizza il software di Univfy . I pazienti hanno bisogno di speranza. Univfy è un altro strumento in cui puoi fornire loro informazioni molto solide e basate sui dati per dire 'Continua. Ti stai avvicinando sempre di più al bambino.'
Cofondata da due professori di Stanford nel 2009, Univfy è nata da un progetto di ricerca per utilizzare l'apprendimento automatico per produrre previsioni più accurate sui risultati della fecondazione in vitro. Tramite parecchi peer-reviewed studi , i ricercatori hanno dimostrato che anche un modello di apprendimento automatico di base potrebbe produrre previsioni di fecondazione in vitro molto più accurate di quelle fatte dalle cliniche. Questo perché mentre le cliniche si basano principalmente su statistiche aggregate basate sull'età e sull'intuizione di un medico, il modello AI potrebbe tenere conto sistematicamente dei dati sanitari rilevanti di un paziente. Il processo era più rigoroso e personalizzato e produceva previsioni più raffinate. Non solo, ma le stime basate sull'età spesso sottovalutavano le possibilità di un dato paziente, dandole meno fiducia nella sua capacità di procedere. Non è possibile che due donne abbiano la stessa probabilità di successo solo perché rientrano nella stessa fascia di età, afferma Mylene Yao, cofondatrice e CEO di Univfy.
Univfy lavora individualmente con ogni clinica che acquista il suo servizio, addestrando un modello di apprendimento automatico relativamente semplice e personalizzato utilizzando solo i dati del paziente locale della clinica. Consente all'azienda di alimentare l'algoritmo con tutti i dati disponibili dalla clinica, sia che si tratti di semplici profili dei pazienti con solo la loro età, indice di massa corporea e indicatori di salute o profili più complicati con diagnosi cliniche, procedure di trattamento e anamnesi. Una volta che un modello è stato addestrato, un medico può semplicemente inserire i risultati dei test e gli indicatori di salute di un nuovo paziente nel software di Univfy per produrre un rapporto di facile lettura.
Unsplash / Aditya Romansa
Quando Chen ha iniziato a usare Univfy, ha scoperto che le sue previsioni spesso non erano lontane dalle sue, ma che i pazienti hanno avuto un'esperienza più positiva quando hanno ricevuto il rapporto rispetto a quando ha cercato di comunicare informazioni simili. Penso che una parte importante sia la grafica e il fatto che il paziente può portare questa cosa a casa con sé e dire: 'Questa è la mia informazione', dice. C'è un'enorme componente emotiva. I pazienti hanno bisogno di certezze.
Univfy ha ora collaborazioni con 20 cliniche negli Stati Uniti e in Canada in più di 50 località. Ad oggi, Shivani è tra i 10.000 pazienti che hanno utilizzato i suoi referti come parte del loro processo decisionale; Yao afferma che le donne che ricevono il rapporto hanno in media il doppio delle probabilità di procedere con il trattamento. L'anno scorso, l'azienda ha sollevato $ 6 milioni per continuare ad ampliare i propri servizi. Yao sta ora lavorando per accogliere meglio le coppie dello stesso sesso, che spesso cercano maggiori informazioni su come un donatore di sperma o un surrogato può influenzare le loro possibilità di successo.
Chen descrive Univfy come parte di una nuova e gradita tendenza di startup di tecnologia sanitaria che stanno aiutando a responsabilizzare i pazienti con la propria agenzia decisionale. Il modello medico della vecchia scuola di un uomo in camice bianco che detta ciò che è bene per te sta lentamente uscendo dalla finestra. Penso che Univfy abbia davvero migliorato i risultati e l'accesso alle cure, dice, perché stiamo coinvolgendo molto di più il paziente nella conversazione e alzando il livello per la sua comprensione della propria situazione.
Per ricevere più storie come questa direttamente nella tua casella di posta, iscriviti alla nostra newsletter AI nominata da Webby The Algorithm. È gratis.