FIV: selección de embriones con Inteligencia Artificial

La revisión de unos 40 estudios por parte de investigadores de Shangai (China) ha evaluado los desafíos técnicos y las futuras direcciones de investigación en medicina reproductiva como la fecundación in vitro (FIV). Los modelos de Inteligencia Artificial han demostrado un potencial considerable para mejorar la selección de embriones en la FIV al aumentar la precisión, la objetividad y la eficiencia de las evaluaciones.

Como se detalla en el estudio que difunde LabMed Discovery, esta revisión explora la aplicación de la Inteligencia Artificial (IA) en la evaluación de la salud embrionaria, centrándose en las técnicas de aprendizaje profundo utilizadas para evaluar la calidad embrionaria.

Incluyó un total de 37 estudios que investigaron métodos basados en IA en diversas etapas del desarrollo, incluyendo la etapa temprana, la etapa de blastocisto y el proceso de desarrollo completo. La efectividad de estos modelos se evaluó comparando su rendimiento con el de los embriólogos humanos.

Los autores reconocen que, además, mejorar la transparencia, la interpretabilidad y la facilidad de uso de los sistemas de IA, “sigue siendo fundamental para su integración exitosa en los flujos de trabajo clínicos. A medida que se aborden estos desafíos, la IA promete impulsar avances transformadores en el campo de la medicina reproductiva”.

A través de una extensa búsqueda bibliográfica utilizando palabras clave como evaluación de la salud del embrión e inteligencia artificial, esta revisión se centra en los enfoques impulsados por IA para la evaluación automatizada de embriones.

Los autores subrayan que los modelos de IA superan las evaluaciones manuales en varios parámetros, “lo que ofrece oportunidades prometedoras para mejorar las tasas de éxito y la eficiencia operativa en medicina reproductiva”.

Proceso de FIV

Además, esta revisión analiza las limitaciones actuales de la implementación de la IA en entornos clínicos y explora futuras direcciones de investigación. En general, la revisión proporciona información sobre el papel cada vez mayor de la IA en el avance de la selección de embriones y destaca el camino hacia sistemas de evaluación totalmente automatizados en la tecnología de reproducción asistida.

El proceso de FIV comprende varias etapas críticas del desarrollo, desde la fertilización hasta la implantación, incluyendo las etapas pronuclear, de segmentación, de mórula y de blastocisto.

En cada una de estas etapas, se utilizan características morfológicas y morfocinéticas específicas para evaluar la calidad del embrión. Por ejemplo, en la etapa pronuclear, un indicador morfológico clave es la presencia de pronúcleos masculinos y femeninos claramente visibles.

La etapa de segmentación se caracteriza por divisiones celulares sucesivas. La evaluación morfológica generalmente implica inspecciones visuales diarias de las características del desarrollo bajo un microscopio, mientras que la evaluación morfocinética emplea la tecnología de imágenes TL para monitorear continuamente la dinámica del desarrollo. Este enfoque permite la captura de datos de vídeo sin interrumpir el entorno de cultivo de un embrión.

Según diversas estadísticas, la infertilidad afecta a casi una de cada seis parejas en todo el mundo, y la fecundación in vitro (FIV) se ha convertido en una herramienta esencial en la medicina reproductiva.

Sin embargo, las tasas de éxito de la FIV siguen siendo relativamente bajas, con un promedio de alrededor del 30 %, debido principalmente a la dificultad de seleccionar los embriones más sanos para la transferencia.

Integración de datos multimodales

Tradicionalmente, la evaluación embrionaria se ha basado en la inspección visual de la morfología y los patrones de crecimiento por parte de los embriólogos, un proceso que -según los autores de este trabajo- suele ser subjetivo, variable y limitado por la experiencia humana.

Al analizar imágenes de embriones en diversas etapas de desarrollo, como la etapa de segmentación temprana, la etapa de blastocisto y el desarrollo completo, los sistemas de IA reducen la subjetividad y mejoran la consistencia.

Estudios recientes han demostrado que los modelos de IA pueden superar las evaluaciones manuales en precisión, eficiencia y reproducibilidad, lo que ofrece nuevas oportunidades para aumentar las tasas de éxito de la FIV.

A pesar de estos avances, persisten desafíos. Muchos modelos se basan en conjuntos de datos específicos de cada institución, lo que limita su generalización. Problemas como el pequeño tamaño de las muestras, la falta de interpretabilidad y la inconsistencia en los criterios de calificación entre las clínicas también dificultan su adopción clínica. También deben abordarse las preocupaciones éticas, como la autonomía del paciente, la privacidad de los datos y el acceso equitativo.

Las futuras orientaciones priorizan el aprendizaje federado, la integración de datos multimodales y las técnicas de IA explicables para garantizar una implementación responsable y generalizada.

Biotech magazine & news

Información compartida por la página de divulgación biotecnológica Biotech Magazine & News. dirigida por José María Fernández-Rúa con la misma honestidad y rigor que ha caracterizado su andadura en papel desde la fundación de Biotech Magazine en 2006.

Expertos abordan los últimos avances en biotecnología, en sus diferentes colores: amarillo (Tecnología Alimentaria y Nutrición), azul (Acuicultura y Biotecnología Marina), blanco (Organismos modificados genéticamente), rojo (Biomedicina), verde (Biocombustibles, Agricultura y Biotecnología Ambiental) y violeta (Patentes e Invenciones). Biotech Magazine & News, editada por Cariotipo MH5, recoge noticias, entrevistas a líderes de I+D+I y artículos de opinión..