¿Alguna vez te has preguntado por qué los síntomas de un infarto en nosotras son tan distintos a los de los hombres? La respuesta no es solo biológica, también tiene que ver con décadas de investigación médica centrada en el cuerpo masculino. Y ahora, esa brecha histórica se está trasladando a la inteligencia artificial (IA) que cada vez se usa más en la atención médica.
Un artículo reciente de The Conversation alerta sobre cómo la IA en salud, entrenada con datos sesgados, podría perpetuar desigualdades. Te lo contamos en español y con un enfoque de género, porque entender esto es clave para nuestra salud.
La raíz del problema: el cuerpo masculino como norma
Desde hace décadas, la investigación médica ha tratado el cuerpo masculino como el estándar. Un ejemplo clarísimo: el 75% de los maniquíes de RCP (resucitación cardiopulmonar) en todo el mundo son masculinos o no especifican sexo, según un estudio de 2024 que analizó 20 modelos vendidos globalmente. Solo uno de ellos ofrecía una cubierta para simular senos. Esto refleja una tendencia más amplia en la enseñanza y la investigación médica.
Si los transeúntes dudan en practicar RCP a una mujer por la presencia de senos, entrenar con maniquíes más representativos podría ayudar. Pero el problema va más allá: la falta de representación femenina en los datos médicos tiene consecuencias graves.
Cuando la IA aprende de datos sesgados
La IA en salud aprende asociaciones a partir de registros médicos y datos de investigación. Pero esos registros reflejan tanto la biología como las decisiones clínicas. Si históricamente se ha evaluado de manera diferente a mujeres y hombres con síntomas similares, un algoritmo puede aprender ese patrón sin entender por qué existe.
Un estudio experimental con estudiantes de medicina y residentes encontró que, cuando se presentaban síntomas de enfermedad coronaria junto con estrés psicológico, las mujeres recibían menos diagnósticos de enfermedad coronaria y menos derivaciones a cardiología que los hombres. Sus síntomas eran más interpretados como psicosomáticos. Un sistema de IA entrenado con registros moldeados por esas decisiones podría tratar ese patrón como si reflejara la enfermedad en sí.
Las revisiones sobre IA en medicina advierten que los conjuntos de datos desequilibrados pueden producir un rendimiento desigual. Además, evaluar el rendimiento es difícil: una revisión de 2024 de 692 dispositivos médicos con IA aprobados por la FDA encontró que a menudo faltaba información demográfica y detalles de los estudios de rendimiento en los documentos públicos.
La exclusión histórica de las mujeres en los estudios
Las mujeres han estado consistentemente subrepresentadas en los estudios médicos. Los cambios hormonales a lo largo del ciclo menstrual se han visto históricamente como una fuente de variación no deseada. Tras la tragedia de la talidomida a finales de los 50 y principios de los 60, la FDA recomendó en 1977 excluir a las mujeres en edad fértil de los ensayos clínicos tempranos. La política se revirtió en 1993 ante la preocupación de que limitaba el conocimiento sobre cómo los medicamentos afectaban a las mujeres.
En la investigación de laboratorio también se han favorecido los animales machos, a pesar de que las hembras no son biológicamente más variables. Muchos estudios ni siquiera informan el sexo de las células utilizadas en los experimentos.
Estas brechas afectan el tratamiento. Las mujeres eliminan más lentamente el zolpidem (un somnífero), y en 2013 los reguladores recomendaron reducir a la mitad la dosis inicial para mujeres. Un análisis de 2020 encontró que las mujeres experimentan reacciones adversas a los medicamentos casi el doble de frecuentemente que los hombres, y las diferencias en cómo los fármacos se mueven por el cuerpo explican muchas de ellas.
Avances y desafíos actuales
La representación ha mejorado. Las guías SAGER de 2016 alientan a los investigadores a considerar y reportar el sexo y el género. Pero la participación equitativa no garantiza una comprensión equitativa. Una revisión de 2026 de 574 artículos encontró que el 61% incluía ambos sexos, pero solo el 44% de esos analizaba los resultados por sexo.
El sexo biológico y el género pueden afectar la salud, y separar sus efectos es difícil. La biología relacionada con el sexo puede influir en el metabolismo de los fármacos, mientras que las experiencias de género pueden afectar el acceso a la atención y cómo se interpretan los síntomas. Sin embargo, muchas bases de datos de salud colapsan ambos en una sola categoría binaria, limitando lo que los investigadores pueden concluir.
Ejemplos concretos: infartos y derrames cerebrales
Los síntomas del infarto muestran por qué se necesita precisión. Un análisis de más de 1 millón de personas con síndromes coronarios agudos encontró que el 74% de las mujeres y el 79% de los hombres experimentaron dolor en el pecho, pero las mujeres tenían mayores probabilidades de reportar otros síntomas como dolor en cuello o mandíbula, fatiga y dificultad para respirar.
La atención del derrame cerebral presenta un problema similar. Un estudio australiano de más de 202,000 personas ingresadas por derrame encontró que, entre los menores de 70 años que llegaron en ambulancia, las mujeres tenían menos probabilidades que los hombres de ser evaluadas como posibles casos de derrame por los paramédicos y menos probabilidades de ser manejadas bajo el protocolo prehospitalario de derrame.
Encontrar una diferencia es solo el punto de partida. Un estudio de 6.9 millones de personas en Dinamarca encontró que las mujeres eran mayores en su primer diagnóstico hospitalario para la mayoría de las condiciones examinadas. Esto no significa necesariamente que los médicos tardaran más en diagnosticarlas: el inicio de la enfermedad y el uso de los servicios de salud también pueden variar.
El futuro de la IA médica: ¿repetiremos los errores?
La investigación médica se está volviendo más representativa, pero gran parte de la evidencia actual se recopiló cuando los cuerpos masculinos eran tratados como norma. Un diseño cuidadoso podría ayudar a la IA a identificar patrones que la investigación antigua pasó por alto.
Mientras la atención médica del mañana se construye con los registros de ayer, los investigadores deben preguntarse si una diferencia aparente refleja biología o la forma en que los pacientes accedieron a la atención. De lo contrario, viejos supuestos podrían quedar incrustados en la nueva tecnología.
Como mujeres, es fundamental estar informadas y exigir una medicina más equitativa. La IA tiene el potencial de mejorar la salud, pero solo si se entrena con datos que nos representen a todas.
Te puede interesar
- Nueva pastilla reduce el colesterol malo en un 60%: una revolución para la salud femenina
- Salta inaugura un hospital público digital: cómo la tecnología transforma la salud femenina