Métodos de aprendizaje profundo para pronosticar el desarrollo del embrión humano en vídeos de lapso de tiempo

Área de la Ciencia:

• Embriología
• Inteligencia artificial
• Medicina de la reproducción

Sus antecedentes:

• La evaluación de la calidad de los embriones es fundamental en la tecnología de reproducción asistida (TRA) para seleccionar embriones viables y determinar el momento óptimo de la transferencia.
• Las herramientas actuales de IA automatizan la evaluación, pero carecen de capacidades predictivas para el desarrollo futuro del embrión.
• Hay una necesidad de sistemas de IA que puedan predecir la dinámica de la morfología embrionaria a lo largo del tiempo.

Objetivo del estudio:

• Desarrollar un sistema de IA capaz de pronosticar la dinámica de la morfología embrionaria.
• Ayudar a los embriólogos en la evaluación temprana y la selección de embriones para la transferencia.
• Predecir los cambios morfológicos futuros en los embriones más allá de las capacidades de observación actuales.

Principales métodos:

• El sistema de IA analiza el desarrollo embrionario pasado (2 horas) para predecir cambios morfológicos futuros (hasta 23 horas).
• Un nuevo modelo predictivo que utiliza capas de LSTM convolucionales permite la predicción recursiva del desarrollo embrionario.
• El modelo analiza los cambios previos de la secuencia de video para predecir la morfología.

Principales resultados:

• El sistema de IA predijo con precisión el desarrollo embrionario en las etapas de escisión (día 2) y blastocisto (día 4).
• Se proporcionaron información valiosa sobre los procesos de división celular y la formación de blastocistos.
• Las previsiones para los embriones de la categoría de "transferencia" mostraron membranas celulares más claras y menos distorsión en comparación con las categorías de "evitar".

Conclusiones:

• El sistema de IA proporciona información temprana sobre la calidad del embrión, ayudando en la evaluación tanto para la transferencia como para la prevención.
• Los embriólogos pueden utilizar el pronóstico para visualizar y comprender los cambios morfológicos del embrión.
• La mejora de la calidad de la imagen podría mejorar la relevancia clínica de este enfoque predictivo de IA.