211service.com
Een startup die AI trouwt met empathie helpt vrouwen zwanger te worden
Illustratiecollage die een serverruimte, familie en diagram van een eierstok toont Emily Haasch
Toen Shivani haar 30e verjaardag naderde, realiseerde ze zich dat ze moeder wilde worden. Ze wist alleen niet zeker wanneer. Ze had nog geen vaste partner en was zich bewust van haar tikkende biologische klok. Dus keek ze naar het invriezen van haar eieren om haar kansen op het krijgen van kinderen later in het leven te vergroten. Niemand heeft zijn eieren voor altijd, helaas, zegt ze.
Shivani, die vroeg haar echte naam niet te gebruiken om controverse in haar Indiase immigrantengemeenschap te voorkomen, ging niet meteen door - ze vond de technologie te jong en te invasief. Maar rond haar 36e verjaardag vond ze dat ze niet langer moest wachten. Nadat ze de $ 15.000 had weten te besparen die ze schatte, ging ze naar een kliniek.
Alvorens met het eicelextractieproces te beginnen, moet een vrouw eerst een evaluatie ondergaan om haar geschiktheid voor in-vitrofertilisatie (IVF) te bepalen. Klinieken doen dit vaak met behulp van een nationaal register van IVF-resultaten om op te zoeken hoeveel vrouwen binnen de leeftijdscategorie van een patiënt met succes zijn geëindigd met een levendgeborene. Een vruchtbaarheidsspecialist past dat percentage vervolgens aan door rekening te houden met de lengte en het gewicht van de patiënt, evenals met tests zoals echo's en bloedonderzoek.
Shivani begon het proces op dezelfde manier: ze meldde haar leeftijd, mat haar body mass index en deed enkele tests. Maar toen ze terugkeerde naar de kliniek om haar vooruitzichten te bespreken, begon haar arts haar een veelkleurig rapport te overhandigen. Het was geproduceerd door die informatie in een algoritme voor machinaal leren in te voeren en toonde een persoonlijke voorspelling voor hoe haar kansen op een baby zouden toenemen met elke eicelextractiecyclus, tot drie. Het liet haar ook zien hoe ze het opnam tegen andere vrouwen die in dezelfde kliniek waren behandeld. Ik kwam al 100% toegewijd binnen, maar het rapport schatte me op 120%, zegt ze. Het heeft me geholpen om mijn beslissing te verstevigen.
Wikimedia commons
IVF kan een fysiek, emotioneel en financieel belastend proces zijn dat vaak meerdere extractiecycli vereist. Meer dan 50% van degenen die met IVF beginnen, haakt af na de eerste mislukte cyclus vanwege kosten en onzekerheid. Univfy , het bedrijf achter de software die het rapport van Shivani produceerde, gelooft dat machine learning mensen kan helpen het proces te starten en te doorlopen: door hen nauwkeurigere, gepersonaliseerde voorspellingen te geven van hun mogelijke resultaten. Maar dat is slechts een deel van de oplossing. Het andere, even belangrijke onderdeel: empathische communicatie.
Voor de overgrote meerderheid van de mensen in de Verenigde Staten is het grootste obstakel dat patiënten afhaken voordat ze bij de baby zijn, zegt Serena Chen, de arts van Shivani, wiens instelling, het Institute for Reproductive Medicine and Science in New Jersey, Univfy's software gebruikt . Patiënten hebben hoop nodig. Univfy is een ander hulpmiddel waarmee je ze zeer solide, op gegevens gebaseerde informatie kunt geven om te zeggen: 'Ga door. Je komt steeds dichter bij de baby.'
Univfy werd in 2009 mede opgericht door twee Stanford-hoogleraren en kwam voort uit een onderzoeksproject om machine learning te gebruiken om nauwkeurigere IVF-uitkomstvoorspellingen te produceren. Er doorheen meerdere peer-reviewed studies , toonden de onderzoekers aan dat zelfs een basismodel voor machinaal leren veel nauwkeurigere IVF-voorspellingen zou kunnen produceren dan die van klinieken. Dit kwam omdat, hoewel klinieken voornamelijk vertrouwen op op leeftijd gebaseerde statistische statistieken en de intuïtie van een arts, het AI-model systematisch rekening kon houden met de relevante gezondheidsgegevens van een patiënt. Het proces was strenger en persoonlijker en leverde meer verfijnde voorspellingen op. Niet alleen dat, maar op leeftijd gebaseerde schattingen onderschatten vaak de kansen van een bepaalde patiënt, waardoor ze minder vertrouwen kreeg in haar vermogen om verder te gaan. Het is niet mogelijk dat twee vrouwen dezelfde kans op succes hebben alleen omdat ze in dezelfde leeftijdsgroep vallen, zegt Mylene Yao, medeoprichter en CEO van Univfy.
Univfy werkt individueel met elke kliniek die zijn service koopt, en traint een relatief eenvoudig, op maat gemaakt machine learning-model met alleen de lokale patiëntgegevens van de kliniek. Het stelt het bedrijf in staat om het algoritme te voorzien van alle gegevens die de kliniek beschikbaar heeft - of dat nu eenvoudige patiëntprofielen zijn met alleen hun leeftijd, BMI en gezondheidsindicatoren of meer gecompliceerde profielen met hun klinische diagnoses, behandelingsprocedures en medische geschiedenis. Zodra een model is getraind, kan een arts eenvoudig de testresultaten en gezondheidsindicatoren van een nieuwe patiënt in Univfy's software invoeren om een gemakkelijk leesbaar rapport te produceren.
Unsplash / Aditya Romansa
Toen Chen Univfy voor het eerst begon te gebruiken, ontdekte ze dat haar voorspellingen vaak niet ver van haar eigen waren, maar dat patiënten een positievere ervaring hadden toen ze het rapport ontvingen dan toen ze soortgelijke informatie probeerde te communiceren. Ik denk dat een groot deel ervan de afbeeldingen zijn en het feit dat de patiënt dit ding mee naar huis mag nemen en zeggen: 'Dit is mijn informatie', zegt ze. Er is een enorme emotionele component. Patiënten hebben zekerheid nodig.
Univfy heeft nu samenwerkingsverbanden met 20 klinieken in de VS en Canada op meer dan 50 locaties. Tot op heden behoort Shivani tot de 10.000 patiënten die de rapporten hebben gebruikt als onderdeel van hun besluitvormingsproces; Yao zegt dat vrouwen die het rapport ontvangen gemiddeld twee keer zoveel kans hebben om door te gaan met de behandeling. Vorig jaar heeft het bedrijf $ 6 miljoen om hun dienstverlening verder uit te breiden. Yao werkt nu aan een betere opvang van koppels van hetzelfde geslacht, die vaak meer informatie zoeken over hoe een spermadonor of -surrogaat hun kansen op succes kan beïnvloeden.
Chen beschrijft Univfy als onderdeel van een nieuwe, welkome trend van startups op het gebied van gezondheidstechnologie die patiënten helpen hun eigen besluitvormingsorgaan te versterken. Het ouderwetse medische model van een man in een witte jas die dicteert wat goed voor je is, verdwijnt langzaam uit het raam. Ik denk dat Univfy de resultaten en de toegang tot zorg echt heeft verbeterd, zegt ze, omdat we de patiënt veel meer bij het gesprek betrekken en de lat hoger leggen voor haar begrip van haar eigen situatie.
Meld u aan voor onze Webby-genomineerde AI-nieuwsbrief The Algorithm om meer van dit soort verhalen rechtstreeks in uw inbox te ontvangen. Het is gratis.