Un nuevo enfoque de inteligencia artificial de los investigadores de Weill Cornell Medicine puede identificar con gran precisión si un embrión humano fertilizado in vitro de 5 días de edad tiene un alto potencial para progresar a un embarazo exitoso. La técnica, que analiza el tiempolas imágenes plegadas de los embriones en etapa inicial podrían mejorar la tasa de éxito de la fertilización in vitro FIV y minimizar el riesgo de embarazos múltiples.
Se estima que la infertilidad afecta aproximadamente al 8 por ciento de las mujeres en edad de procrear. Si bien la FIV ha ayudado a millones a dar a luz, la tasa de éxito promedio en los Estados Unidos es de aproximadamente el 45 por ciento.
Para el estudio, publicado el 4 de abril en Medicina digital NPJ , los investigadores usaron 12,000 fotos de embriones humanos tomadas exactamente 110 horas después de la fertilización para entrenar un algoritmo de inteligencia artificial para discriminar entre mala y buena calidad de embriones. Para llegar a esta designación, cada embrión asignó primero un grado por los embriólogos que consideraron varios aspectosde la apariencia del embrión. Luego, los investigadores realizaron un análisis estadístico para correlacionar el grado del embrión con la probabilidad de obtener un resultado exitoso del embarazo. Los embriones se consideraron de buena calidad si las posibilidades eran mayores al 58 por ciento y de mala calidad si las posibilidades eran inferiores35 por ciento. Después del entrenamiento y la validación, el algoritmo, denominado Stork, pudo clasificar la calidad de un nuevo conjunto de imágenes con una precisión del 97 por ciento.
"Al introducir nuevas tecnologías en el campo de la FIV, podemos automatizar y estandarizar un proceso que dependía mucho del juicio humano subjetivo. Este trabajo pionero nos da una ventana sobre cómo podría verse este campo en el futuro", dijo el Dr. ZevRosenwaks, director y médico jefe del Centro de Medicina Reproductiva Ronald O. Perelman y Claudia Cohen en Weill Cornell Medicine y NewYork-Presbyterian.
La elección del embrión con las mejores posibilidades de convertirse en un embarazo saludable es actualmente un proceso subjetivo. El acuerdo es bajo incluso entre los embriólogos con experiencia en cuanto a cómo predecir la viabilidad de un embrión individual en función de su apariencia en la etapa de blastocisto, en el queconsta de solo 200-300 celdas.
"Queríamos desarrollar un método objetivo que pueda usarse para estandarizar y optimizar el proceso de selección para aumentar las tasas de éxito de la FIV", dijo el Dr. Nikica Zaninovic, coautor principal y director del Laboratorio de Embriología del Centro paraMedicina reproductiva en Weill Cornell Medicine, los investigadores pasaron más de seis meses revisando aproximadamente 50,000 imágenes anonimizadas, que representan 10,148 embriones humanos, recopilados por fotografía de lapso de tiempo durante siete años. Con el grado asignado por el embriólogo y el conocimiento retrospectivo del resultado del embarazo,los investigadores pudieron clasificar los embriones como de buena, buena o mala calidad. Finalmente, utilizaron dos conjuntos de 6,000 imágenes, de buena o mala calidad, para enseñarle al algoritmo cómo clasificar las nuevas imágenes que se le presentan.
"Esta es la primera vez, que sepamos, que alguien ha aplicado un algoritmo de aprendizaje profundo en embriones humanos con una cantidad tan grande de imágenes", dijo el Dr. Pegah Khosravi, autor principal del estudio y asociado postdoctoral enbiomedicina computacional.
El aprendizaje profundo es un enfoque de inteligencia artificial que se modela aproximadamente a partir de las redes neuronales del cerebro, que analizan la información en capas cada vez más complejas. A medida que la computadora recibe nueva información, su capacidad para reconocer los patrones deseados, ya seanlas características de un embrión sano o las células que comprenden un tumor de cáncer de pulmón mejoran automáticamente. El tamaño del conjunto de datos de entrenamiento es de vital importancia para el éxito del algoritmo, con más datos que conducen a mejores resultados.
"Nuestro algoritmo ayudará a los embriólogos a maximizar las posibilidades de que sus pacientes tengan un solo embarazo saludable", dijo el Dr. Olivier Elemento, director del Instituto Caryl e Israel Englander para Medicina de Precisión en Weill Cornell Medicine. "El procedimiento de FIV seguirá siendolo mismo, pero podremos mejorar los resultados aprovechando el poder de la inteligencia artificial "
Si bien Stork puede seleccionar embriones de buena calidad con un alto grado de precisión, estudios anteriores han sugerido que solo el 80 por ciento de la tasa de éxito del embarazo depende de la calidad del embrión. La edad materna, en particular, se asocia con una tasa decreciente de embrión exitosoimplantación en el útero.
Los especialistas en fertilidad a menudo implantan múltiples embriones para tratar de maximizar las posibilidades de tener un parto exitoso, pero el proceso es impreciso y puede provocar embarazos múltiples, lo que conlleva sus propios riesgos, como bajo peso al nacer, parto prematuro y complicaciones maternas.Por lo tanto, los investigadores desarrollaron otro enfoque computacional que puede tener en cuenta la edad materna y la calidad de los embriones múltiples para determinar la mejor combinación para lograr un solo nacimiento vivo.
"Estamos tratando de adaptar el proceso para el paciente individual, porque no todos los pacientes son iguales", dijo el Dr. Zaninovic. "Queremos hacer una medicina personalizada con medicina de precisión para obtener el mejor resultado".
Utilizando datos clínicos para 2,182 de los embriones, los investigadores crearon un árbol de decisión para evaluar la tasa de embarazo exitoso mediante el uso de una combinación de calidad del embrión y edad del paciente, como la variable clínica más importante. También proporcionaron un análisis de probabilidad con el objetivo de optimizarselección de embriones y maximizar la probabilidad de embarazo único.
Stork es actualmente una herramienta de investigación y los investigadores planean incorporar parámetros clínicos y técnicos adicionales para mejorar el algoritmo.
"Es muy importante que podamos reunir un equipo que contenga científicos informáticos, expertos en medicina de precisión, embriólogos y clínicos", dijo el Dr. Iman Hajirasouliha, coautor principal, profesor de genómica computacional y miembro del Instituto Englander paraMedicina de precisión: "Necesitábamos un equipo fuerte con una amplia área de experiencia para resolver este problema".
Fuente de la historia :
Materiales proporcionado por Medicina de Weill Cornell . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :