El modelo predictivo ha partido de 22 variables de origen materno, paterno, embrionario y del ciclo de fecundación in vitro
La Inteligencia Artificial (IA) comienza a tener un uso generalizado y la aplicación de algoritmos de aprendizaje automático es cada vez más frecuente. Su uso supone una gran ayuda a los especialistas para diagnosticar y optimizar tratamientos en innumerables áreas de la medicina. Y la fertilidad humana no es ajena a este fenómeno. Las técnicas de reproducción asistida generan una gran cantidad de datos, lo que permite aplicar diferentes algoritmos de inteligencia artificial.
Investigadores del Instituto Bernabeu parten de la base de la importancia que posee en el campo de la fertilidad el proceso de selección de los embriones cromosómicamente normales (euploide). Partiendo de esta premisa, los científicos han desarrollado un algoritmo de aprendizaje automático para predecir la probabilidad de que en una fecundación in vitro (FIV) el embrión sea aneuploide, que es la presencia de un número anormal de cromosomas; y/o mosaico, en este casoel embrión posee una mezcla de células cromosómicamente normales y anormales (para uno o varios cromosomas).
Durante el estudio se registraron 22 variables (materna, paterna, embrionaria y del ciclo de FIV) de 6.989 embriones obtenidos en 2.476 ciclos durante siete años. Y con los datos obtenidos se establecieron dos modelos predictivos de aprendizaje automático, uno para aneuploidías y otro para mosaicismo.
El biólogo molecular que dirige este trabajo, el doctor José Antonio Ortiz, destaca que esta herramienta basada en Inteligencia Artificial es de gran ayuda para el ginecólogo que "puede utilizar estos modelos como una herramienta para personalizar el tratamiento de la paciente y maximizar las posibilidades de lograr un embrión euploide, un embrión cromosómicamente normal con una alta probabilidad de conducir a un embarazo evolutivo".
Por su valor, esta investigación ha sido seleccionada como comunicación oral en el congreso internacional ESHRE 2021.