Hormonas, datos y el avance de la IA que la medicina tradicional pasó por alto

Durante décadas, la salud de las mujeres ha estado subrepresentada en la investigación clínica, poco estudiada, simplificada en exceso y obligada a ajustarse a modelos construidos en torno a promedios biológicos masculinos. Las condiciones moldeadas por ciclos hormonales, por ejemplo, han sido reducidas durante mucho tiempo a instantáneas clínicas estáticas que pierden los patrones longitudinales y malinterpretan los síntomas, lo que contribuye a diagnósticos retrasados y erróneos.

Fue hace solo tres décadas que la FDA permitió a las mujeres regresar a los estudios de investigación clínica como participantes, sin embargo, las mujeres aún representan el 30% de los participantes en los ensayos, en gran parte debido a que la industria farmacéutica se enfoca demasiado en su potencial reproductivo y preocupaciones sobre la fertilidad.

Las consecuencias trascienden la representación. Un estudio de la Universidad de Pittsburgh School of Public Health concluyó, de hecho, que la mayoría de los perfiles de seguridad de los medicamentos se basan en la biología masculina y no tienen en cuenta la variación hormonal femenina. En particular, en la investigación de enfermedades cardiovasculares, la falta de inscripción de mujeres ha contribuido directamente a diagnósticos retrasados, síntomas descartados y mal diagnósticos sistémicos.

Desde 2015, la investigación clínica ha realizado avances significativos en la equidad de sexos, sin embargo, como el Institutos Nacionales de Salud (NIH) publicó una política para considerar el sexo como una variable biológica en la investigación, lo que implica la necesidad de considerar tanto las variables femeninas como las masculinas en la investigación científica posterior.

Aún así, el retraso entre la política y la práctica ha sido sustancial. Es solo ahora que una oleada más amplia de investigación clínica rigurosa que tiene en cuenta explícitamente la biología femenina ha comenzado a materializarse. Y con ella, una convergencia de inversión institucional y inteligencia artificial que promete reformar el campo.

La llamada de atención institucional

A medida que se acumula la data clínica y se vuelven cada vez más importantes las brechas de investigación, se está formando una nueva alineación entre la ciencia y la tecnología, orientada no hacia el tratamiento de la biología femenina como una variación, sino hacia sistemas construidos desde abajo alrededor de las diferencias de sexo biológico.

Las instituciones han formalizado ese cambio. La Asociación Americana del Corazón ha fortalecido su enfoque en la salud cardiovascular de las mujeres, anclado en un fondo de $75 millones de dólares Go Red for Women Venture Fund y una iniciativa de investigación de $15 millones que examina los efectos de los ciclos menstruales en la salud cardiovascular-renal-metabólica (CKM).

Al mismo tiempo, el Plan Estratégico 2024-2028 de los NIH y una Orden Ejecutiva de la Casa Blanca están dirigiendo más de $100 millones de dólares en fondos de ARPA-H hacia lo que los investigadores han denominado “ventanas metabólicas” – específicamente, la menopausia y los ciclos menstruales – en respuesta a la evidencia de que casi el 99% de los estudios de envejecimiento preclínico han excluido históricamente estos factores. La iniciativa, de hecho, está respaldada por una recomendación de $15.7 mil millones de dólares de las Academias Nacionales.

Estos cambios estructurales han catalizado un cambio paralelo en la forma en que se recopila, interpreta y actúa sobre los datos de salud de las mujeres. Una nueva generación de plataformas está traduciendo los datos hormonales y de ciclo en conocimientos clínicamente relevantes y accesibles, lo que permite a las mujeres identificar patrones antes de que se conviertan en condiciones que las metodologías tradicionales pueden malinterpretar.

“Mi propia crisis de salud fue una de las experiencias más aterradoras de mi vida – y lo que rápidamente reveló fue que la carga recae casi por completo en el paciente en el momento exacto en que están menos equipados para llevarla”, Adriana Torosian, fundadora y directora ejecutiva de Ourself Health, le dijo a Unite AI.

Ourself Health está liderando un cambio estructural en la forma en que se percibe la salud de las mujeres, surgiendo de las experiencias personales de las mujeres con una mala gestión de los datos de salud, y destinada a prevenir problemas futuros con la desalineación de la información o el mal acceso a la interpretación de los datos.

La startup con sede en San Francisco presentó recientemente Stella, un compañero de salud impulsado por IA que combina la investigación líder en salud de las mujeres con la historia de salud personal de los usuarios.

“En última instancia, la respuesta para mí se convirtió en mis datos. Sospechaba que mi ciclo estaba impactando directamente mi condición y llevé esa hipótesis a los médicos líderes, quienes la descartaron por completo. La única forma de avanzar era construir mi propia base de datos, encontrar mis propias respuestas y luego llevar a mis médicos en mi proceso – el proceso completo inverso de lo que esperaba que sucediera”, agregó Torosian.

Por qué la IA cambia la ecuación

La IA está cambiando fundamentalmente la forma en que se diagnostican las enfermedades, no reemplazando el juicio clínico, sino habilitando una forma de reconocimiento de patrones a una escala y continuidad que la atención tradicional no puede replicar. A diferencia de los modelos clínicos que dependen de encuentros episódicos, los sistemas de IA pueden analizar continuamente los registros médicos, los biomarcadores y las entradas fisiológicas en tiempo real, detectando correlaciones que la atención estándar pasa por alto rutinariamente.

Este resultado ha sido un diagnóstico más temprano y preciso en una variedad de condiciones, desde enfermedades cardiovasculares hasta cáncer – un cambio que ya está mejorando los resultados de los pacientes.

En particular, en la salud de las mujeres, esta capacidad es esencial; los sistemas hormonales son dinámicos, profundamente interconectados y muy individualizados. Las herramientas impulsadas por IA están comenzando a cerrar la brecha diagnóstica, permitiendo un monitoreo más preciso, predicción y análisis longitudinal en salud reproductiva, atención maternal y condiciones ginecológicas.

Las aplicaciones emergentes van desde la imagenología fetal mejorada con IA hasta la detección no invasiva de endometriosis, áreas donde las diagnósticos tradicionales han luchado durante mucho tiempo.

Stella de Ourself Health se basa en esta base al operacionalizar los datos hormonales longitudinales, convirtiendo los patrones en recomendaciones de salud personalizadas y sensibles al tiempo, en lugar de orientación clínica generalizada.

“Cuanto más datos aporta un usuario a la plataforma, más precisas y personales se vuelven las recomendaciones de Stella. Esos datos provienen de múltiples capas: síntomas individuales rastreados diariamente dentro de la aplicación, notas personales, documentos que un usuario puede cargar directamente y datos fisiológicos continuos de dispositivos como el Apple Watch”, explicó Torosian.

Al hacerlo, la herramienta va más allá de la detección hacia el apoyo a la toma de decisiones – redefiniendo la salud de las mujeres como un sistema computable y continuo, en lugar de una serie de verticales clínicas desconectadas.

“El objetivo es cerrar la brecha entre lo que una mujer sabe sobre su propio cuerpo y lo que su médico ve en una cita breve – y asegurarse de que llegue a cada interacción armada con sus propios datos, la investigación más relevante y un plan de acción claro. Stella pone todo eso en sus manos”, agregó el fundador.

Una nueva capa computacional para una brecha antigua

La distinción entre generar conocimiento y producir orientación accionable es sutil, pero clínicamente significativa. Stella AI está diseñada para priorizar lo último, interpretando tendencias longitudinales para generar recomendaciones individualizadas y sensibles al tiempo, calibradas a la línea de base hormonal de cada usuario.

En su núcleo, el diseño de Stella se basa en el reconocimiento de que no hay dos sistemas hormonales idénticos. La plataforma Ourself aprende continuamente de las entradas de cada usuario, independientemente de los ciclos, los síntomas,

“Lo que todavía falta para las mujeres individuales es la capacidad de tomar el control ahora – sin esperar a que la investigación se ponga al día. Eso es exactamente donde entra Ourself; no podemos pedirles a las mujeres que pausen sus vidas mientras las instituciones cierran lentamente la brecha de financiamiento. Podemos darles las herramientas para que entiendan sus propios cuerpos hoy, construyan su propio historial de salud, tomen decisiones informadas y actúen con lo que ya sabemos – mientras el panorama de investigación más amplio sigue evolucionando a su alrededor”, enfatizó Torosian.

Este enfoque transforma la gestión de la salud hormonal de una disciplina reactiva a una proactiva, donde las intervenciones pueden ser temporizadas y personalizadas con una precisión que los modelos de atención tradicionales no están estructuralmente preparados para ofrecer.

Pero más allá de los casos individuales o visionarios, el surgimiento de tecnologías mejores y asistidas por IA plantea una nueva capa computacional capaz de hacer que la complejidad sea accionable y, más importante aún, salvar vidas.

A medida que instituciones como los NIH y la Asociación Americana del Corazón redirigen formalmente los recursos, la IA está traduciendo ese impulso en un impacto real en el mundo.

El futuro de la atención médica no estará definido por promedios a nivel de población, sino por la precisión – donde los datos longitudinales de cada individuo forman la base de su atención. Y, en ese sentido, la IA no está reemplazando la medicina, sino extendiéndola a un territorio que nunca estuvo completamente equipado para navegar, hasta ahora.