211service.com
Ein Startup, das KI mit Empathie verbindet, hilft Frauen bei der Empfängnis
Illustrationscollage, die einen Serverraum, eine Familie und ein Diagramm eines Eierstocks zeigt Emil Haasch
Als Shivani sich ihrem 30. Geburtstag näherte, wurde ihr klar, dass sie Mutter werden wollte. Sie war sich nur nicht sicher, wann. Sie hatte noch keinen festen Partner und war sich ihrer tickenden biologischen Uhr bewusst. Also versuchte sie, ihre Eizellen einzufrieren, um ihre Chancen auf spätere Kinder zu erhöhen. Leider hat niemand seine Eier für immer, sagt sie.
Shivani, die darum bat, ihren richtigen Namen nicht zu nennen, um Kontroversen in ihrer indischen Einwanderergemeinschaft zu vermeiden, machte es nicht sofort durch – sie fand, dass die Technologie zu jung und invasiv sei. Aber um ihren 36. Geburtstag herum hatte sie das Gefühl, dass sie nicht länger warten sollte. Nachdem sie es geschafft hatte, die 15.000 Dollar zu sparen, die sie es kosten würde, ging sie und besuchte eine Klinik.
Vor Beginn der Eizellenentnahme muss sich eine Frau zunächst einer Bewertung unterziehen, um ihre Eignung für eine In-vitro-Fertilisation (IVF) festzustellen. Kliniken tun dies oft mit a nationales Register von IVF-Ergebnissen, um nachzuschlagen, wie viele Frauen innerhalb der Altersgruppe einer Patientin erfolgreich mit einer Lebendgeburt endeten. Ein Fruchtbarkeitsspezialist passt diesen Prozentsatz dann an, indem er die Größe und das Gewicht des Patienten sowie Tests wie Ultraschall und Blutuntersuchungen berücksichtigt.
Shivani begann den Prozess auf die gleiche Weise: Sie gab ihr Alter an, maß ihren Body-Mass-Index und machte einige Tests. Aber als sie in die Klinik zurückkehrte, um ihre Aussichten zu besprechen, begann ihr Arzt, indem er ihr einen bunten Bericht überreichte. Es wurde erstellt, indem diese Informationen in einen maschinellen Lernalgorithmus eingespeist wurden, und zeigte eine personalisierte Vorhersage dafür, wie ihre Chancen, ein Baby zu bekommen, mit jedem Eizellextraktionszyklus steigen würden, bis zu drei. Es zeigte ihr auch, wie sie sich im Vergleich zu anderen Frauen, die in derselben Klinik behandelt worden waren, behauptete. Ich bin bereits mit 100 % Einsatz gekommen, aber der Bericht hat mich mit 120 % bewertet, sagt sie. Es hat mir geholfen, meine Entscheidung zu festigen.
Wikimedia-Commons
IVF kann ein körperlich, emotional und finanziell anstrengender Prozess sein, der oft mehrere Extraktionszyklen erfordert. Mehr als 50 % derjenigen, die mit der IVF beginnen, brechen die Behandlung nach dem ersten gescheiterten Zyklus aufgrund von Kosten und Unsicherheit ab. Univfy , das Unternehmen hinter der Software, die Shivanis Bericht erstellt hat, glaubt, dass maschinelles Lernen den Menschen helfen kann, den Prozess zu beginnen und zu Ende zu führen: indem sie ihnen präzisere, personalisierte Vorhersagen über ihre möglichen Ergebnisse geben. Aber das ist nur ein Teil der Lösung. Der andere, ebenso wichtige Teil: empathische Kommunikation.
Für die überwiegende Mehrheit der Menschen in den Vereinigten Staaten besteht das größte Hindernis darin, dass Patienten abbrechen, bevor sie das Baby bekommen, sagt Serena Chen, Shivanis Ärztin, deren Institution, das Institute for Reproductive Medicine and Science in New Jersey, die Software von Univfy verwendet . Patienten brauchen Hoffnung. Univfy ist ein weiteres Tool, mit dem Sie ihnen sehr solide, datenbasierte Informationen geben können, um zu sagen: „Weiter so. Du kommst dem Baby immer näher.“
Univfy wurde 2009 von zwei Stanford-Professoren mitbegründet und ging aus einem Forschungsprojekt hervor, um mithilfe von maschinellem Lernen genauere IVF-Ergebnisvorhersagen zu erstellen. Durch mehrere peer-reviewed Studien , zeigten die Forscher, dass selbst ein einfaches maschinelles Lernmodell viel genauere IVF-Vorhersagen liefern könnte als die von Kliniken gemachten. Denn während sich Kliniken in erster Linie auf altersbasierte aggregierte Statistiken und die Intuition eines Arztes verlassen, könnte das KI-Modell relevante Gesundheitsdaten eines Patienten systematisch einbeziehen. Der Prozess war strenger und personalisierter und führte zu verfeinerten Vorhersagen. Nicht nur das, sondern altersbasierte Schätzungen unterschätzten oft die Chancen einer bestimmten Patientin, was ihr weniger Vertrauen in ihre Fähigkeit gab, fortzufahren. Es ist nicht möglich, dass zwei Frauen die gleiche Erfolgswahrscheinlichkeit haben, nur weil sie in die gleiche Altersgruppe fallen, sagt Mylene Yao, Mitbegründerin und CEO von Univfy.
Univfy arbeitet individuell mit jeder Klinik zusammen, die ihren Service kauft, und trainiert ein relativ einfaches, maßgeschneidertes maschinelles Lernmodell, das nur die lokalen Patientendaten der Klinik verwendet. Es ermöglicht dem Unternehmen, den Algorithmus mit allen Daten zu füttern, die der Klinik zur Verfügung stehen – ob es nun einfache Patientenprofile mit nur ihrem Alter, BMI und Gesundheitsindikatoren oder kompliziertere Profile mit ihren klinischen Diagnosen, Behandlungsverfahren und Krankengeschichten sind. Sobald ein Modell trainiert ist, kann ein Arzt einfach die Testergebnisse und Gesundheitsindikatoren eines neuen Patienten in die Software von Univfy eingeben, um einen leicht lesbaren Bericht zu erstellen.
Unsplash / Aditya Romansa
Als Chen anfing, Univfy zu verwenden, stellte sie fest, dass die Vorhersagen oft nicht weit von ihren eigenen entfernt waren, aber dass die Patienten positivere Erfahrungen machten, wenn sie den Bericht erhielten, als wenn sie versuchte, ähnliche Informationen zu kommunizieren. Ich denke, ein großer Teil davon sind die Grafiken und die Tatsache, dass die Patientin dieses Ding mit nach Hause nehmen und sagen kann: „Das sind meine Informationen“, sagt sie. Es gibt eine große emotionale Komponente. Patienten brauchen Gewissheit.
Univfy hat jetzt Partnerschaften mit 20 Kliniken in den USA und Kanada an mehr als 50 Standorten. Bis heute gehört Shivani zu den 10.000 Patienten, die seine Berichte als Teil ihres Entscheidungsprozesses verwendet haben; Yao sagt, dass Frauen, die den Bericht erhalten, im Durchschnitt doppelt so wahrscheinlich mit der Behandlung fortfahren. Im vergangenen Jahr erhöhte das Unternehmen 6 Millionen Dollar ihre Dienstleistungen weiter auszubauen. Yao arbeitet nun daran, gleichgeschlechtlichen Paaren besser entgegenzukommen, die oft mehr Informationen darüber suchen, wie ein Samenspender oder eine Leihmutter ihre Erfolgschancen beeinflussen kann.
Chen beschreibt Univfy als Teil eines neuen, willkommenen Trends von Health-Tech-Startups, die Patienten dabei helfen, ihre eigene Entscheidungskompetenz zu stärken. Das medizinische Modell der alten Schule eines Mannes im weißen Kittel, der vorschreibt, was gut für Sie ist, verschwindet langsam aus dem Fenster. Ich denke, Univfy hat die Ergebnisse und den Zugang zur Versorgung wirklich verbessert, sagt sie, weil wir die Patientin viel mehr in das Gespräch einbeziehen und die Messlatte für ihr Verständnis ihrer eigenen Situation höher legen.
Um mehr Geschichten wie diese direkt in Ihren Posteingang zu bekommen, melden Sie sich für unseren von Webby nominierten KI-Newsletter The Algorithm an. Es ist kostenlos.