Diseñan un algoritmo para analizar datos de salud que podrían estar ocultos en el ciclo menstrual

Los esfuerzos en el campo de la salud femenina siguen dando sus frutos, tras décadas de relativa infrarrepresentación en la investigación biomédica. La prestigiosa revista Science Advances publica en esta ocasión un trabajo metodológicamente sólido que refuerza la importancia de reconocer el ciclo menstrual como signo vital, más allá del punto de vista meramente reproductivo. En él, se presenta una nueva herramienta de uso libre con potencial aplicación para el análisis de la gran variedad de datos fisiológicos no reproductivos que continúan estando insuficientemente caracterizados en los ciclos menstruales.  

Es bien conocido que la temperatura corporal oscila a lo largo del ciclo menstrual como consecuencia de la variación hormonal, señalando la existencia de ciclos ovulatorios. Basándose en este indicador, las autoras del estudio desarrollaron un algoritmo para analizar una extensa base de datos de temperatura basal diaria, obtenida en la década de los 90 en más de 750 participantes de entre 18 y 42 años procedentes de siete países europeos. Este análisis permitió identificar correlaciones entre el envejecimiento, la temperatura corporal y la variabilidad del ciclo. En concreto, se observó un aumento de la temperatura basal a lo largo del ciclo menstrual con la edad, junto con una reducción de la duración de la fase folicular, entre otros cambios. Asimismo, los resultados mostraron patrones específicos de cada persona en múltiples características del ciclo menstrual, a modo de huella individual. 

Se abre por tanto una puerta a futuras investigaciones que deberán confirmar y ampliar estos hallazgos, abordando algunas limitaciones del estudio, como la ausencia de información sobre variables sociodemográficas, antropométricas y biológicas, así como la falta de datos sobre contextos neuroendocrinos e inmunológicos relevantes —incluyendo el uso de anticonceptivos hormonales, etapas como el posparto o la lactancia, y condiciones ginecológicas frecuentes—, lo que limita la interpretación completa de los resultados.  

En resumen, la aplicación de este tipo de algoritmos de uso libre a grandes registros de ciclos menstruales podría servir para extraer información relevante sobre el estado de salud general y, consecuentemente, identificar patrones rítmicos con potencial valor diagnóstico. Tal y como señalan las investigadoras, la evidencia obtenida pone de relieve la importancia de tener en cuenta las diferencias interindividuales al abordar el ciclo menstrual en la investigación y la atención sanitaria, así como de avanzar hacia un enfoque más personalizado en la identificación de biomarcadores hasta ahora poco explorados en salud femenina.