IA en la atención de fertilidad: promesa, evidencia y realidad clínica

El mundo está entrando en una nueva era demográfica. La tasa de fertilidad ha disminuido de alrededor de 4,9 hijos por mujer en la década de 1950 a 2,3 hoy, y la ONU proyecta que seguirá disminuyendo a lo largo de este siglo. En el Reino Unido, la tasa de natalidad es aún más baja – 1,39 hijos por mujer en Inglaterra y Gales en 2025. A medida que las tasas de natalidad disminuyen, la paternidad se retrasa y la infertilidad aumenta, remodelan la atención sanitaria reproductiva, la fertilidad se ha convertido en una de las áreas de mayor crecimiento de la inversión en HealthTech. Los inversores están respaldando tecnologías que prometen facilitar la concepción, comprender mejor la salud reproductiva y gestionar el tratamiento de manera más eficiente. Se espera que el mercado global de tecnologías de reproducción asistida alcance los $33.4 mil millones en 2026. El mercado FemTech, que incluye todas las tecnologías utilizadas para apoyar la salud de la mujer, valía un estimado de $45.6 mil millones a nivel mundial en 2025 y se proyecta que se más que triplicará para 2033. 

La inteligencia artificial se ha convertido naturalmente en parte de esta ola. Hoy, la IA impulsa aplicaciones de seguimiento del ciclo, dispositivos portátiles, pruebas de fertilidad en casa y tecnologías de fertilización in vitro (FIV), prometiendo conocimientos cada vez más personalizados sobre la salud reproductiva. Sin embargo, a medida que estas herramientas se vuelven más sofisticadas, la conversación está cambiando de lo que la IA puede hacer a cuánta confianza debe ganar. Esa confianza depende no solo de la calidad de las recomendaciones que produce, sino también de cuán transparentes son las empresas respecto a los datos que las respaldan: qué conjuntos de datos se utilizan para entrenar estos sistemas, cuán representativos y fiables son, y dónde se encuentran sus limitaciones tanto para los clínicos como para los pacientes. 

Las herramientas digitales de fertilidad están cambiando el comportamiento de los pacientes más rápido de lo que la evidencia clínica está alcanzando

La evidencia para la HealthTech de fertilidad es más matizada de lo que sus defensores más fervientes o sus críticos más duros suelen sugerir. Una revisión reciente de UCL researchers concluye que las herramientas digitales – desde aplicaciones de fertilidad y dispositivos portátiles hasta pruebas en casa y telemedicina – pueden mejorar la alfabetización en fertilidad, apoyar el autocontrol, ampliar el acceso a la atención y fortalecer la comunicación entre pacientes y clínicos. A medida que los pacientes se involucran más en comprender y gestionar su propia salud reproductiva, la IA se está convirtiendo cada vez más en parte de ese mismo viaje. Según una encuesta KFF de 2026, uno de cada tres adultos en EE. UU. ya ha utilizado un chatbot de IA para obtener información o consejo de salud, y muchos recurren a él antes de hablar con un proveedor de atención médica. Eso sugiere que la IA está convirtiéndose en algo más que una herramienta de búsqueda: ahora ayuda a las personas a interpretar la información de salud antes de que se tomen decisiones clínicas.

Al mismo tiempo, los investigadores argumentan que estos beneficios dependen de la precisión, la validez clínica y la integración en los procesos de atención sanitaria, advirtiendo que muchas tecnologías de fertilidad aún llegan al mercado sin evidencia suficiente de que sus predicciones sean analíticamente sólidas, clínicamente significativas o realmente beneficiosas para los pacientes. El desafío va más allá de que la IA cometa errores o alucine. Muchas tecnologías de fertilidad llegan a los pacientes antes de que exista evidencia suficiente de que sus predicciones sean clínicamente significativas o realmente mejoren los resultados, creando un riesgo de que la confianza en la tecnología supere la evidencia que la respalda. 

Esa brecha de evidencia se vuelve particularmente visible cuando la IA pasa de explicar la biología reproductiva básica a apoyar decisiones de fertilidad. Investigadores que compararon ChatGPT, Gemini, Copilot y Perplexity en 37 preguntas de fertilidad encontraron que los modelos eran generalmente fiables en temas como el ciclo menstrual y la concepción, pero se volvieron mucho menos consistentes al responder preguntas sobre la FIV, la congelación de óvulos y otras tecnologías de reproducción asistida.

La explicación es sorprendentemente práctica más que puramente técnica. Los conceptos básicos de fertilidad están respaldados por décadas de evidencia bien establecida, mientras que las tecnologías de reproducción asistida evolucionan mucho más rápido. Como señalan los autores, incluso los modelos que citan artículos científicos pueden sobre‑enfatizar condiciones raras o hallazgos desactualizados, ofreciendo respuestas seguras que no son representativas de la población de pacientes en general.

A medida que los dispositivos de healthtech y las herramientas de IA moldean cada vez más la forma en que las personas interpretan los síntomas, comprenden los resultados de pruebas y abordan decisiones de tratamiento antes de entrar en la clínica, los estándares de evidencia, transparencia y supervisión regulatoria se vuelven mucho más exigentes.

Dónde la IA podría marcar la mayor diferencia en la atención de fertilidad

Mientras las aplicaciones de fertilidad para consumidores, los dispositivos portátiles y las pruebas en casa continúan evolucionando, la IA también está transformando el lado clínico de la medicina reproductiva. En lugar de reemplazar a los especialistas, la investigación más prometedora se centra en ayudar a embriólogos, médicos de fertilidad y equipos de laboratorio a tomar decisiones más informadas. 

Una de las áreas más consolidadas de la investigación de IA en fertilidad es la evaluación de embriones durante la FIV. Al analizar miles de imágenes en lapso de tiempo del desarrollo embrionario, los modelos de aprendizaje automático han mostrado resultados impresionantes en la predicción de la viabilidad del embrión y siguen siendo una de las aplicaciones más prometedoras del campo. Al mismo tiempo, un hito Nature Medicine trial demostró que un fuerte desempeño en conjuntos de datos retrospectivos no se traduce automáticamente en mejores resultados clínicos, lo que lleva a los investigadores a elevar el nivel de validación. More recent work ha desplazado el foco aún más, enfatizando la evaluación clínica en entornos reales como el próximo paso crítico antes de que estos sistemas puedan adoptarse ampliamente en la práctica.

Otra dirección prometedora es predecir la respuesta ovárica antes de la FIV. Los investigadores están usando IA para combinar indicadores clínicos como la edad, los niveles de hormona antimülleriana (AMH) y el recuento de folículos antrales para estimar cómo probablemente responderá una paciente a la estimulación ovárica antes de iniciar el tratamiento. Recent studies sugieren que estos modelos pueden mejorar la planificación del tratamiento y ayudar a identificar a pacientes que podrían beneficiarse de una intervención más temprana o de una estrategia de estimulación más personalizada, aunque la validación clínica más amplia sigue siendo un paso importante siguiente.

La madurez de estas tecnologías varía considerablemente. Algunas herramientas de IA ya están asistiendo a los clínicos en laboratorios de FIV hoy, mientras que otras aún están pasando de prometedora investigación universitaria a la validación clínica. Esa distinción es importante porque refleja un cambio más amplio en la atención de fertilidad: el mayor impacto a corto plazo proviene cada vez más de sistemas de IA que apoyan los flujos de trabajo clínicos en lugar de reemplazar el juicio clínico.

De los avances de la IA a la mejora de la atención diaria al paciente

No es un secreto que lo principal que las empresas esperan de las herramientas de IA es la reducción de costos. Y la industria de la fertilidad no es diferente: la FIV puede ser un procedimiento costoso. No es de extrañar que clínicas y otras empresas busquen formas de reducir gastos y hacer que el tratamiento sea accesible al mayor número posible de personas.

No podemos hacer que la FIV y los tratamientos de fertilidad en general sean más fáciles porque su aspecto biológico es complicado. Lo que sí podemos simplificar es el recorrido del paciente y el flujo de trabajo clínico. Por eso recurrimos a la IA para reducir el tiempo que nuestros médicos dedican a preparar casos, uno de los recursos más valiosos en la atención de fertilidad.

En mi opinión, la herramienta más útil hoy sería un sistema de IA diseñado para analizar la historia clínica completa de un paciente, tratamientos previos y resultados de laboratorio, y luego organizar esa información en un caso estructurado. Por ejemplo, puede ofrecer a los médicos una sugerencia de dosis de medicación basada en los resultados de análisis de sangre. La decisión clínica sigue siendo totalmente del doctor; la IA simplemente reduce el tiempo dedicado a la preparación.

En Plan Your Baby, ahora estamos trabajando con socios de la industria para construir ese sistema. En nuestra visión, debe entrenarse con datos anonimados recopilados a lo largo de años de atención de fertilidad, porque en medicina la calidad de un producto de IA depende tanto del contexto clínico detrás de los datos como del propio modelo. Cada registro se desidentifica antes de usarse para el desarrollo, lo que permite al sistema aprender de la atención del mundo real mientras protege la privacidad del paciente. 

También es importante subrayar que, dado que esta tecnología se integrará al flujo de trabajo clínico, no puede tratarse como un producto de IA convencional. Estas herramientas deben construirse teniendo en cuenta la certificación de dispositivos médicos desde el principio, porque en la atención sanitaria, su despliegue solo es posible si la tecnología puede cumplir con los mismos estándares que se exigen a cualquier otro instrumento clínico.