211service.com
Startup, który łączy sztuczną inteligencję z empatią, pomaga kobietom zajść w ciążę
Kolaż ilustracji przedstawiający serwerownię, rodzinę i schemat jajnika Emily Haasch
Kiedy Shivani zbliżała się do swoich 30 urodzin, zdała sobie sprawę, że chce zostać mamą. Po prostu nie była pewna, kiedy. Nie miała jeszcze długoterminowego partnera i była świadoma swojego tykającego zegara biologicznego. Zajęła się więc zamrażaniem jajek, aby zwiększyć swoje szanse na posiadanie dzieci w późniejszym życiu. Niestety, nikt nie ma jajek na zawsze, mówi.
Shivani, która poprosiła, by nie używać swojego prawdziwego imienia, aby uniknąć kontrowersji w indyjskiej społeczności imigrantów, nie podjęła tego od razu — uważała, że technologia jest zbyt młoda i inwazyjna. Ale w okolicach swoich 36. urodzin poczuła, że nie powinna dłużej czekać. Po zaoszczędzeniu 15 000 dolarów, które oszacowała, poszła i odwiedziła klinikę.
Przed rozpoczęciem procesu ekstrakcji komórki jajowej kobieta musi najpierw przejść ocenę, aby określić jej przydatność do zapłodnienia in vitro (IVF). Kliniki często robią to za pomocą rejestr krajowy wyników zapłodnienia in vitro, aby sprawdzić, ile kobiet w przedziale wiekowym pacjentki pomyślnie zakończyło poród żywy. Następnie specjalista ds. płodności dostosowuje ten odsetek, biorąc pod uwagę wzrost i wagę pacjentki, a także testy, takie jak ultradźwięki i badanie krwi.
Shivani rozpoczęła ten proces w ten sam sposób: zgłosiła swój wiek, zmierzyła swój wskaźnik masy ciała i wykonała kilka testów. Ale kiedy wróciła do kliniki, aby omówić swoje perspektywy, jej lekarz zaczął wręczać jej wielokolorowy raport. Została wyprodukowana poprzez wprowadzenie tych informacji do algorytmu uczenia maszynowego i pokazała spersonalizowaną prognozę dotyczącą tego, jak jej szanse na urodzenie dziecka będą wzrastać z każdym cyklem ekstrakcji jaj, do trzech. Pokazał jej również, jak wypadła na tle innych kobiet, które były leczone w tej samej klinice. Zobowiązałam się już w 100%, ale raport wystawił mnie na 120%, mówi. Pomogło mi to umocnić moją decyzję.
Wikimedia Commons
IVF może być procesem obciążającym fizycznie, emocjonalnie i finansowo, który często wymaga wielu cykli ekstrakcji. Ponad 50% osób, które rozpoczęły IVF, wycofuje się po pierwszym nieudanym cyklu z powodu kosztów i niepewności. Ujednolicony , firma odpowiedzialna za oprogramowanie, które stworzyła raport Shivani, uważa, że uczenie maszynowe może pomóc ludziom rozpocząć i przejrzeć proces: dając im bardziej precyzyjne, spersonalizowane przewidywania ich możliwych wyników. Ale to tylko część rozwiązania. Druga, równie ważna część: komunikacja empatyczna.
Dla zdecydowanej większości ludzi w Stanach Zjednoczonych największą przeszkodą jest to, że pacjenci rezygnują, zanim dotrą do dziecka, mówi Serena Chen, lekarz Shivani, której instytucja, Institute for Reproductive Medicine and Science w New Jersey, korzysta z oprogramowania firmy Univfy. . Pacjenci potrzebują nadziei. Univfy to kolejne narzędzie, dzięki któremu możesz przekazać im bardzo solidne, oparte na danych informacje, aby powiedzieć: „Rób dalej. Zbliżasz się do dziecka.
Współzałożona przez dwóch profesorów Stanford w 2009 r. firma Univfy wydzieliła się z projektu badawczego, którego celem było wykorzystanie uczenia maszynowego do tworzenia dokładniejszych prognoz wyników IVF. Przez kilka recenzowane studia , naukowcy wykazali, że nawet podstawowy model uczenia maszynowego może generować znacznie dokładniejsze prognozy IVF niż te opracowane przez kliniki. Wynikało to z faktu, że podczas gdy kliniki opierają się głównie na zbiorczych statystykach opartych na wieku i intuicji lekarza, model AI może systematycznie uwzględniać istotne dane dotyczące zdrowia pacjenta. Proces był bardziej rygorystyczny i spersonalizowany, a także generował bardziej wyrafinowane prognozy. Nie tylko to, ale szacunki oparte na wieku często nie doceniały szans danego pacjenta, dając mu mniejszą pewność co do jej zdolności do dalszego postępowania. Nie jest możliwe, aby dwie kobiety miały takie samo prawdopodobieństwo sukcesu tylko dlatego, że należą do tej samej grupy wiekowej, mówi Mylene Yao, współzałożycielka i dyrektor generalna Univfy.
Univfy współpracuje indywidualnie z każdą kliniką, która kupuje jej usługę, szkoląc stosunkowo prosty, dostosowany do potrzeb model uczenia maszynowego, wykorzystując wyłącznie dane lokalnych pacjentów kliniki. Pozwala to firmie na podawanie do algorytmu dowolnych danych dostępnych w klinice – czy to prostych profili pacjentów z samym ich wiekiem, BMI i wskaźnikami zdrowia, czy też bardziej skomplikowanych profili z ich diagnozami klinicznymi, procedurami leczenia i historią medyczną. Po przeszkoleniu modelu lekarz może po prostu wprowadzić wyniki badań nowego pacjenta i wskaźniki stanu zdrowia do oprogramowania Univfy, aby wygenerować łatwy do odczytania raport.
Unsplash / Aditya Romansa
Kiedy Chen po raz pierwszy zaczęła używać Univfy, odkryła, że jej przewidywania często nie były dalekie od jej własnych, ale pacjenci mieli bardziej pozytywne doświadczenia, gdy otrzymali raport, niż gdy próbowała przekazać podobne informacje. Myślę, że duża część to grafika i fakt, że pacjent może zabrać to ze sobą do domu i powiedzieć: „To są moje informacje”, mówi. Jest ogromny komponent emocjonalny. Pacjenci potrzebują pewności.
Univfy współpracuje obecnie z 20 klinikami w USA i Kanadzie w ponad 50 lokalizacjach. Do tej pory Shivani jest jednym z 10 000 pacjentów, którzy wykorzystali jej raporty w ramach procesu podejmowania decyzji; Yao mówi, że kobiety, które otrzymały raport, są średnio dwa razy bardziej skłonne do leczenia. W zeszłym roku firma podniosła 6 milionów dolarów do dalszego rozszerzania swoich usług. Yao pracuje teraz, aby lepiej dostosować się do par osób tej samej płci, które często szukają więcej informacji na temat tego, jak dawca nasienia lub surogat może wpłynąć na ich szanse na sukces.
Chen opisuje Univfy jako część nowego, mile widzianego trendu startupów technologii medycznych, które pomagają wzmocnić pozycję pacjentów w ich własnej agencji decyzyjnej. Oldschoolowy medyczny model mężczyzny w białym fartuchu, który dyktuje ci, co jest dla ciebie dobre, powoli wychodzi przez okno. Uważam, że Univfy ma naprawdę lepsze wyniki i dostęp do opieki, mówi, ponieważ znacznie bardziej angażujemy pacjentkę w rozmowę i podnosimy poprzeczkę dla jej zrozumienia własnej sytuacji.
Aby więcej takich historii trafiało bezpośrednio do Twojej skrzynki odbiorczej, zapisz się do naszego nominowanego przez Webby biuletynu AI The Algorithm. Jest wolne.