211service.com
Une startup qui marie l'IA à l'empathie aide les femmes à concevoir
Collage d'illustrations montrant une salle de serveurs, une famille et un schéma d'un ovaire Emilie Haasch
Lorsque Shivani approchait de son 30e anniversaire, elle a réalisé qu'elle voulait être maman. Elle ne savait tout simplement pas quand. Elle n'avait pas encore de partenaire à long terme et était consciente de son horloge biologique. Elle a donc envisagé de congeler ses ovules pour augmenter ses chances d'avoir des enfants plus tard dans la vie. Personne n'a ses œufs pour toujours, malheureusement, dit-elle.
Shivani, qui a demandé à ne pas utiliser son vrai nom pour éviter la controverse dans sa communauté d'immigrants indiens, n'a pas accepté immédiatement - elle a estimé que la technologie était trop jeune et envahissante. Mais vers son 36e anniversaire, elle a estimé qu'elle ne devait plus attendre. Ayant réussi à économiser les 15 000 $ qu'elle estimait que cela coûterait, elle est allée visiter une clinique.
Avant de commencer le processus d'extraction d'ovules, une femme doit d'abord subir une évaluation pour déterminer son aptitude à la fécondation in vitro (FIV). Les cliniques le font souvent en utilisant un registre national des résultats de la FIV pour rechercher combien de femmes dans la tranche d'âge d'une patiente ont abouti à une naissance vivante. Un spécialiste de la fertilité ajuste ensuite ce pourcentage en tenant compte de la taille et du poids du patient, ainsi que de tests comme les ultrasons et les analyses de sang.
Shivani a commencé le processus de la même manière : elle a indiqué son âge, mesuré son indice de masse corporelle et passé des tests. Mais lorsqu'elle est revenue à la clinique pour discuter de ses perspectives, son médecin a commencé par lui remettre un rapport multicolore. Il avait été produit en introduisant ces informations dans un algorithme d'apprentissage automatique et montrait une prédiction personnalisée de l'augmentation de ses chances d'avoir un bébé à chaque cycle d'extraction d'œufs, jusqu'à trois. Cela lui a également montré comment elle se comparait à d'autres femmes qui avaient été traitées dans la même clinique. Je suis déjà arrivée engagée à 100%, mais le rapport m'a mis à 120%, dit-elle. Cela m'a aidé à solidifier ma décision.
Wikimédia commons
La FIV peut être un processus physiquement, émotionnellement et financièrement éprouvant qui nécessite souvent plusieurs cycles d'extraction. Plus de 50% de ceux qui commencent la FIV abandonnent après le premier cycle raté en raison des coûts et de l'incertitude. Univfy , l'entreprise à l'origine du logiciel qui a produit le rapport de Shivani, estime que l'apprentissage automatique peut aider les gens à démarrer et à mener à bien le processus : en leur donnant des prédictions plus précises et personnalisées de leurs résultats possibles. Mais ce n'est qu'une partie de la solution. L'autre partie, tout aussi importante : la communication empathique.
Pour la grande majorité des gens aux États-Unis, le plus grand obstacle est que les patients abandonnent avant d'arriver au bébé, explique Serena Chen, le médecin de Shivani, dont l'institution, l'Institute for Reproductive Medicine and Science du New Jersey, utilise le logiciel d'Univfy. . Les patients ont besoin d'espoir. Univfy est un autre outil où vous pouvez leur donner des informations très solides, basées sur des données, pour leur dire : 'Continuez'. Vous vous rapprochez de plus en plus du bébé.
Cofondé par deux professeurs de Stanford en 2009, Univfy est né d'un projet de recherche visant à utiliser l'apprentissage automatique pour produire des prédictions de résultats de FIV plus précises. Par nombreuses Évalués par les pairs études , les chercheurs ont montré que même un modèle d'apprentissage automatique de base pouvait produire des prédictions de FIV beaucoup plus précises que celles faites par les cliniques. En effet, alors que les cliniques s'appuient principalement sur des statistiques agrégées basées sur l'âge et sur l'intuition d'un médecin, le modèle d'IA pourrait systématiquement prendre en compte les données de santé pertinentes d'un patient. Le processus était plus rigoureux et plus personnalisé, et produisait des prédictions plus raffinées. Non seulement cela, mais les estimations basées sur l'âge sous-estimaient souvent les chances d'un patient donné, lui donnant moins confiance dans sa capacité à continuer. Il n'est pas possible que deux femmes aient la même probabilité de succès simplement parce qu'elles appartiennent au même groupe d'âge, déclare Mylène Yao, cofondatrice et PDG d'Univfy.
Univfy travaille individuellement avec chaque clinique qui achète son service, formant un modèle d'apprentissage automatique relativement simple et sur mesure en utilisant uniquement les données locales des patients de la clinique. Il permet à l'entreprise d'alimenter l'algorithme quelles que soient les données dont dispose la clinique, qu'il s'agisse de profils de patients simples avec uniquement leur âge, leur IMC et leurs indicateurs de santé ou de profils plus complexes avec leurs diagnostics cliniques, leurs procédures de traitement et leurs antécédents médicaux. Une fois qu'un modèle est formé, un médecin peut simplement saisir les résultats des tests et les indicateurs de santé d'un nouveau patient dans le logiciel d'Univfy pour produire un rapport facile à lire.
Unsplash / Aditya Romansa
Lorsque Chen a commencé à utiliser Univfy, elle a constaté que ses prédictions n'étaient souvent pas très éloignées des siennes, mais que les patients avaient une expérience plus positive lorsqu'ils recevaient le rapport que lorsqu'elle essayait de communiquer des informations similaires. Je pense qu'une grande partie de cela est due aux graphiques et au fait que le patient peut emporter cette chose chez lui et dire: «Ce sont mes informations», dit-elle. Il y a une énorme composante émotionnelle. Les patients ont besoin de certitude.
Univfy a maintenant des partenariats avec 20 cliniques aux États-Unis et au Canada dans plus de 50 emplacements. À ce jour, Shivani fait partie des 10 000 patients qui ont utilisé ses rapports dans le cadre de leur processus de prise de décision ; Yao dit que les femmes qui reçoivent le rapport sont en moyenne deux fois plus susceptibles de suivre un traitement. L'année dernière, l'entreprise a levé 6 millions de dollars pour continuer à développer leurs services. Yao travaille maintenant pour mieux accueillir les couples de même sexe, qui recherchent souvent plus d'informations sur la façon dont un donneur de sperme ou une mère porteuse peut affecter leurs chances de succès.
Chen décrit Univfy comme faisant partie d'une nouvelle tendance bienvenue des startups des technologies de la santé qui aident les patients à disposer de leur propre agence de prise de décision. Le modèle médical de la vieille école d'un homme en blouse blanche qui dicte ce qui est bon pour vous sort lentement par la fenêtre. Je pense qu'Univfy a vraiment amélioré les résultats et l'accès aux soins, dit-elle, parce que nous engageons beaucoup plus le patient dans la conversation et élevons la barre pour sa compréhension de sa propre situation.
Pour recevoir plus d'histoires comme celle-ci directement dans votre boîte de réception, inscrivez-vous à notre newsletter AI nominée par Webby, The Algorithm. C'est gratuit.