Buscar
  • Get your family TEAM

Inteligencia Artificial para la selección de embriones en ciclos de FIV

Hoy Get your family presenta un artículo publicado en una revista científica del grupo Nature, que propone el uso de la Inteligencia Artificial para optimizar la selección de embriones en los ciclos de FIV. Este trabajo pionero apunta a automatizar y estandarizar un proceso actualmente muy subjetivo.

Asegurar el nacimiento de un bebé vivo es el objetivo final de la tecnología de reproducción asistida.

A veces nos topamos con un aborto espontáneo o un bloqueo de crecimiento embrionario, cosas que conducen a la pérdida de tiempo y costos considerables, así como a repercusiones psicológicas negativas en los pacientes y en todas las personas involucradas.

Un equipo, compuesto por embriólogos, especialistas en fertilidad, bioinformática y expertos en medicina de precisión, ha desarrollado un algoritmo (llamado STORK, cigüeña) para cribar la calidad de los embriones, con el objetivo de establecer un método objetivo que pueda utilizarse para aumentar las tasas de éxito de la FIV – palabras de la Dra. Nikica Zaninovic, coautora.



Para el estudio, los investigadores usaron 12,000 fotos de embriones humanos en el quinto día de desarrollo y en cada uno de ellos, un embriólogo había asignado el grado de "calidad" considerando varios aspectos morfológicos del embrión. Tras esto, los investigadores realizaron un análisis estadístico para correlacionar el grado asignado al embrión con la probabilidad de convertirse en un embarazo positivo. Estas imágenes, junto con la información retrospectiva sobre el resultado del embarazo, constituyeron un "conjunto de datos" que los investigadores utilizaron para "enseñar" al algoritmo cómo clasificar las nuevas imágenes que se le presentaron.

El llamado Aprendizaje Profundo es un enfoque de inteligencia artificial basado en el modelo de las redes neuronales del cerebro, que analiza la información en niveles crecientes de complejidad. A medida que la computadora se alimenta con nueva información, su capacidad para reconocer los patrones deseados, ya sean las características de un embrión sano o las células que incluyen el cáncer de pulmón, mejora automáticamente.

Aunque Stork puede seleccionar embriones de buena calidad con un alto grado de precisión, estudios anteriores han sugerido que solo el 80% de la tasa de éxito del embarazo se basa en la calidad del embrión. La edad materna, en particular, se asocia con una tasa de éxito decreciente en la implantación de embriones en el útero.

Así que los investigadores decidieron personalizar el proceso, ya que no todos los pacientes son iguales, lo que puede tener en cuenta tanto la edad materna como la calidad de los embriones múltiples para determinar la mejor combinación y lograr un embarazo positivo.

STORK es actualmente una herramienta de investigación y los investigadores planean incorporar parámetros clínicos y técnicos adicionales para mejorar el algoritmo. Optimizar la capacidad de seleccionar el mejor embrión con el mayor potencial de anidación podría aumentar las tasas de embarazo y minimizar la posibilidad de embarazos múltiples debido a la transferencia de múltiples embriones, lo que ahora es una práctica común .


Por ahora, los métodos clínicos convencionales siguen siendo aquellos basados ​​en el análisis morfológico visual del embrión en la etapa de blastocisto (embrión del quinto día) por expertos embriólogos. Si bien este método de selección se utiliza universalmente en la práctica clínica, la evaluación de un embrión basado en una imagen estática representa una evaluación extremadamente subjetiva de la calidad de los embriones, así como probablemente incompleta y lenta (a veces se envían embriones crioconservados a un laboratorio diferente del laboratorio en el que se crearon, por diversos motivos, por lo que el embriólogo que los recibe tiene a su disposición únicamente las fotografías del mismo proporcionadas por el laboratorio de origen).

Aunque este algoritmo aún tiene sus límites, en unos pocos años sería maravilloso poder implementar STORM en todos los laboratorios de FIV, de forma que se evite esta fuente de error antropogénica.

El aprendizaje profundo permite la evaluación robusta y la selección de blastocistos humanos después de la fertilización in vitro. Khosravi P., et al. Medicina Digital npj, 2, 21 (2019).

GET YOUR FAMILY

0 vistas0 comentarios

Entradas Recientes

Ver todo