Modelo multimodal inteligente de predicción para la fertilización in vitro

Área de la Ciencia:

• Medicina Reproductiva
• Inteligencia Artificial
• Embriología

Sus antecedentes:

• La fertilización in vitro (FIV) utiliza la selección de embriones y la predicción de resultados, pero los enfoques de IA multimodales están infrautilizados.
• La predicción de resultados específicos como el embarazo único vs. múltiple y el aborto espontáneo vs. nacimiento vivo sigue siendo un desafío.

Objetivo del estudio:

• Presentar VaTEP (modelo de video y tabla para predicción de embriones), un modelo de IA multimodal para la mejora de la selección de embriones y la predicción de resultados de FIV.
• Integrar videos del sistema de time-lapse (TLS) y datos clínicos tabulares para una evaluación integral de los embriones.

Principales métodos:

• VaTEP empleó preentrenamiento en la reconstrucción de videos TLS y la predicción de fases de desarrollo embrionario.
• Se utilizó una estrategia de muestreo de fotogramas múltiples y un marco de aprendizaje multitarea para la mejora del modelo.
• El modelo estima probabilidades de latido fetal, embarazo único/múltiple y aborto espontáneo/nacimiento vivo.

Principales resultados:

• El enfoque multimodal captura la dinámica espaciotemporal y la información de desarrollo de los videos TLS.
• VaTEP proporciona predicciones precisas para resultados clave de la FIV, ayudando en la toma de decisiones clínicas.
• El modelo facilita estrategias de FIV personalizadas para minimizar riesgos como el fallo de implantación y las gestaciones múltiples.

Conclusiones:

• VaTEP ofrece una herramienta basada en datos para la toma de decisiones personalizada en FIV.
• El modelo apoya tratamientos reproductivos más seguros y efectivos al mejorar la selección de embriones y la predicción de resultados.
• Este enfoque de IA multimodal avanza el campo de las tecnologías de reproducción asistida.