Hormônios, Dados e a Quebra de AI que a Medicina Tradicional Perdeu

Por décadas, a saúde das mulheres tem sido subrepresentada na pesquisa clínica – subestudada, oversimplificada e forçada a se encaixar em modelos construídos em torno de médias biológicas masculinas. Condições moldadas por ciclos hormonais, por exemplo, têm sido reduzidas a imagens clínicas estáticas que perdem padrões longitudinais e mal interpretam sintomas, contribuindo para diagnósticos atrasados e errados.

Foi apenas três décadas atrás que a FDA permitiu que as mulheres voltassem a participar de estudos de pesquisa clínica, mas as mulheres ainda representam 30% dos participantes dos testes – em grande parte devido à sobre ênfase da indústria farmacêutica em seu potencial reprodutivo e preocupações com a fertilidade.

As consequências transcendem a representação. Um estudo da Universidade de Pittsburgh School of Public Health concluiu, na verdade, que a maioria dos perfis de segurança de medicamentos é baseada na biologia masculina e não leva em conta a variação hormonal feminina. Em particular, na pesquisa sobre doenças cardíacas, a subinscrição de mulheres contribuiu diretamente para diagnósticos atrasados, sintomas ignorados e diagnósticos errados.

Desde 2015, a pesquisa clínica fez progressos significativos na equidade de gênero, no entanto, como os Institutos Nacionais de Saúde (NIH) lançaram uma política para considerar o sexo como uma variável biológica na pesquisa – o que implica considerar tanto variáveis femininas quanto masculinas em futuras investigações científicas.

Ainda assim, o atraso entre a política e a prática tem sido substancial. É apenas agora que uma onda mais ampla de pesquisas clínicas rigorosas, que consideram explicitamente a biologia feminina, começou a se materializar. E com ela, uma convergência de investimento institucional e inteligência artificial que promete redefinir o campo.

O Despertar Institucional

À medida que os dados clínicos se acumulam e as novas lacunas de pesquisa se tornam cada vez mais consequenciais, um novo alinhamento entre ciência e tecnologia está se formando, orientado não para tratar a biologia feminina como uma variação, mas para sistemas construídos a partir do grupo para cima, considerando as diferenças de sexo biológico.

As instituições formalizaram essa mudança. A American Heart Association fortaleceu seu foco na saúde cardiovascular das mulheres, ancorado em um fundo de $75 milhões de dólares Go Red for Women Venture Fund e uma iniciativa de pesquisa de $15 milhões que examina os efeitos dos ciclos menstruais na saúde cardiovascular-renal-metabólica (CKM).

Simultaneamente, o Plano Estratégico da NIH para 2024-2028 e uma Ordem Executiva da Casa Branca estão direcionando mais de $100 milhões de dólares em financiamento da ARPA-H para o que os pesquisadores consideram “janelas metabólicas” – especificamente, menopausa e ciclos menstruais – em resposta a evidências de que quase 99% dos estudos de envelhecimento pré-clínicos historicamente excluíram esses fatores. A iniciativa, na verdade, é apoiada por uma recomendação de $15,7 bilhões de dólares das Academias Nacionais.

Essas mudanças estruturais catalisaram uma mudança paralela na forma como os dados de saúde das mulheres são coletados, interpretados e utilizados. Uma nova geração de plataformas está traduzindo dados hormonais e de ciclo em insights clínicos acessíveis, permitindo que as mulheres identifiquem padrões antes que eles se tornem condições que as metodologias tradicionais podem mal interpretar.

“Minha própria crise de saúde foi uma das experiências mais assustadoras da minha vida – e o que ela revelou rapidamente foi que a carga recai quase inteiramente no paciente no exato momento em que eles estão menos equipados para carregá-la”, Adriana Torosian, fundadora e CEO da Ourself Health, disse à Unite AI.

Ourself Health está liderando uma mudança estrutural na forma como a saúde das mulheres é percebida, surgindo das experiências pessoais das mulheres com má gestão de dados de saúde e destinada a prevenir futuros problemas com desalinhamento de informações ou acesso ruim a interpretação de dados.

A startup com sede em São Francisco recentemente apresentou Stella, um companheiro de saúde alimentado por IA que combina a melhor pesquisa de saúde das mulheres do mundo com a história de saúde pessoal dos usuários.

“Ultimamente, a resposta para mim se tornou meus dados. Eu suspeitava que meu ciclo estava diretamente afetando minha condição e levei essa hipótese para os principais médicos, que a rejeitaram completamente. A única maneira de seguir em frente foi construir meu próprio conjunto de dados, encontrar minhas próprias respostas e, em seguida, levar meus médicos ao longo do meu processo – o oposto do que eu esperava que acontecesse”, Torosian acrescentou.

Por Que a IA Muda a Equação

A IA está fundamentalmente redefinindo os diagnósticos de saúde, não substituindo o julgamento clínico, mas permitindo uma forma de reconhecimento de padrões em uma escala e continuidade que o cuidado tradicional não pode replicar. Ao contrário dos modelos clínicos que dependem de encontros episódicos, os sistemas de IA podem analisar continuamente registros médicos, biomarcadores e entradas fisiológicas em tempo real, detectando correlações que o cuidado padrão rotineiramente perde.

Esse resultado tem sido diagnosticado mais cedo e com mais precisão em condições que variam de doenças cardíacas a câncer – uma mudança que já está melhorando os resultados dos pacientes.

Na saúde das mulheres, em particular, essa capacidade é especialmente essencial; os sistemas hormonais são dinâmicos, profundamente interconectados e altamente individualizados. As ferramentas impulsionadas por IA estão começando a fechar a lacuna diagnóstica, permitindo um monitoramento mais preciso, previsão e análise longitudinal em saúde reprodutiva, cuidados maternos e condições ginecológicas.

Aplicações emergentes vão desde imagens de fetos aprimoradas por IA até a detecção não invasiva de endometriose, áreas em que os diagnósticos tradicionais têm lutado por muito tempo.

O Stella da Ourself Health constrói sobre essa base, operacionalizando dados hormonais longitudinais, convertendo padrões em recomendações de saúde personalizadas e em tempo real, em vez de orientação clínica generalizada.

“Quanto mais dados um usuário traz para a plataforma, mais precisas e pessoais se tornam as orientações de Stella. Esses dados vêm de múltiplas camadas: sintomas individuais rastreados diariamente dentro do aplicativo, notas pessoais, documentos que o usuário pode carregar diretamente e dados fisiológicos contínuos de dispositivos como o Apple Watch”, Torosian explicou.

Ao fazer isso, a ferramenta vai além da detecção para o suporte à decisão – redefinindo a saúde das mulheres como um sistema computável e contínuo, em vez de uma série de verticais clínicas desconexas.

“O objetivo é fechar a lacuna entre o que uma mulher sabe sobre seu próprio corpo e o que seu médico vê em uma consulta breve – e garantir que ela chegue a cada interação armada com seus próprios dados, as últimas pesquisas relevantes e um plano de ação claro. Stella coloca tudo isso em suas mãos”, o fundador acrescentou.

Uma Nova Camada Computacional para uma Lacuna Antiga

A distinção entre gerar insights e produzir orientações ações é sutil, mas clinicamente significativa. O Stella AI é projetado para priorizar o último, interpretando tendências longitudinais para gerar recomendações individualizadas e em tempo real, calibradas para a linha de base hormonal de cada usuário.

Em seu núcleo, o design do Stella se baseia no reconhecimento de que nenhum sistema hormonal é idêntico. A plataforma Ourself, então, aprende continuamente com as entradas de cada usuário, independentemente dos ciclos, sintomas,

“O que ainda falta para as mulheres individuais é a capacidade de tomar controle agora – sem esperar que a pesquisa se atualize. É exatamente onde a Ourself entra; não podemos pedir às mulheres que pausam suas vidas enquanto as instituições lentamente fecham a lacuna de financiamento. Podemos dar a elas as ferramentas para entender seus próprios corpos hoje, construir seus próprios registros de saúde, tomar decisões informadas e agir com o que já sabemos – enquanto o amplo cenário de pesquisa continua a evoluir ao seu redor”, Torosian enfatizou.

Essa abordagem transforma o gerenciamento da saúde hormonal de uma disciplina reativa em uma proativa, onde as intervenções podem ser cronometradas e personalizadas com uma precisão que os modelos de cuidado convencionais estão estruturalmente mal equipados para entregar.

Mas além de casos individuais ou visionários, o surgimento de tecnologias melhores – e assistidas por IA – coloca uma nova camada computacional capaz de tornar essa complexidade ação e, mais importante, salvar vidas.

À medida que instituições como a NIH e a American Heart Association formalmente redirecionam recursos, a IA está traduzindo esse ímpeto em impacto no mundo real. A promessa dessas ferramentas reside em sua capacidade de personalizar e operacionalizar o que a medicina há muito tempo observou, mas lutou para aplicar: que a saúde das mulheres é dinâmica.

O futuro dos cuidados de saúde não será definido por médias em nível populacional, mas por precisão – onde os dados longitudinais de cada indivíduo formam a base de seus cuidados. E, nesse sentido, a IA não está substituindo a medicina, mas estendendo-a para um território que ela nunca esteve totalmente equipada para navegar, até agora.