Nuevas metodologías para la selección no invasiva de embriones humanos en tratamientos de reproducción asistidaIntroducción de la inteligencia artificial en los laboratorios de fecundación in vitro

Resumen

La evaluación y selección de embriones en los tratamientos de fecundación in vitro (FIV) se realiza manualmente de forma convencional, mediante observaciones puntuales bajo el microscopio durante el desarrollo embrionario. Dicho análisis altera las condiciones de cultivo, pudiendo afectar a las tasas de éxito del tratamiento de reproducción asistida. La introducción de la microscopía de lapso de tiempo o time-lapse, ha hecho posible un seguimiento continuo de los embriones in vitro. De esta forma, se obtiene rutinariamente gran cantidad de información en formato de imágenes grabadas. Hoy en día, el análisis de este material todavía se realiza manualmente y las imágenes se utilizan sobre todo cualitativamente. Otra fuente de información acerca de la viabilidad de los embriones in vitro es el medio de cultivo en el que se incuban durante su desarrollo. Numerosos estudios avalan la importancia de la interacción entre el embrión y el tracto reproductor femenino mediante ligandos y receptores durante la fase preimplantacional. Actualmente, el avance en las técnicas de análisis de proteómica permite conocer los valores de numerosos marcadores simultáneamente en el medio de cultivo embrionario. Nosotros hipotetizamos que se podría considerar el uso de herramientas y técnicas computacionales para aprovechar esta gran cantidad de datos y mejorar la evaluación de los embriones. Mediante el uso de la inteligencia artificial (IA), se podrían identificar particularidades conocidas y desconocidas que caractericen un embrión con alto potencial de implantación. Información adicional resultante de la incubación in vitro (tanto las imágenes time-lapse, como el perfil secretómico), podría medirse con esta tecnología, ya que es capaz de analizar cantidades masivas de datos. El objetivo general de esta tesis es definir nuevas metodologías no invasivas como herramienta de apoyo en los laboratorios de fecundación in vitro para seleccionar qué embrión transferir a la paciente, desarrollando y aplicando innovadoras tecnologías como la inteligencia artificial para automatizar y mejorar la evaluación in vitro. Para ello, se plantearon los siguientes objetivos específicos: a) describir parámetros del desarrollo embrionario y su relación con el potencial de implantación; b) identificar marcadores no invasivos del secretoma embrionario y su asociación con el éxito de un tratamiento de reproducción asistida; c) desarrollar modelos basados en inteligencia artificial para predecir resultados clínicos; y d) evaluar herramientas para la automatización de la selección embrionaria en los laboratorios de fecundación in vitro. La presente investigación de tesis doctoral se presenta como un compendio de tres publicaciones con datos relevantes para avanzar en la selección embrionaria con métodos no invasivos, señalando a la inteligencia artificial como herramienta de apoyo fundamental en los laboratorios de fecundación in vitro. Los siguientes artículos componen este compendio: I. Novel and conventional embryo parameters as input data for artificial neural networks: an artificial intelligence model applied for prediction of the implantation potential. Bori L, Paya E, Alegre L, Viloria TA, Remohi JA, Naranjo V, Meseguer M. Fertil Steril. 2020 Dec;114(6):1232-1241. doi: 10.1016/j.fertnstert.2020.08.023. Epub 2020 Sep 8. PMID: 32917380. 5-year impact factor: 8,109. El objetivo principal de este estudio fue predecir el potencial de implantación del embrión utilizando nuevos parámetros no invasivos observados con sistemas time-lapse. Para ello, propusimos algunos parámetros morfodinámicos del embrión, que no habían sido evaluados hasta el momento, y analizamos su asociación con la probabilidad de implantación. Finalmente, desarrollamos un modelo utilizando redes neuronales artificiales para predecir el éxito de la implantación. II. An artificial intelligence model based on the proteomic profile of euploid embryos and blastocyst morphology: a preliminary study. Bori L, Dominguez F, Fernandez EI, Del Gallego R, Alegre L, Hickman C, Quiñonero A, Nogueira MFG, Rocha JC, Meseguer M. Reprod Biomed Online. 2021 Feb;42(2):340-350. doi: 10.1016/j.rbmo.2020.09.031. Epub 2020 Oct 8. PMID: 33279421. 5-year impact factor: 4,603 El objetivo del presente estudio fue desarrollar un modelo de predicción de nacimientos vivos basado en la inteligencia artificial. Se utilizaron datos procedentes del análisis de imagen de blastocistos e información proteómica del medio de cultivo embrionario para predecir el potencial de un embrión euploide para dar lugar a un nacimiento vivo. III. The higher the score, the better the clinical outcome: retrospective evaluation of automatic embryo grading as a support tool for embryo selection in IVF laboratories. Bori L, Meseguer F, Valera MA, Galan A, Remohi J, Meseguer M. Hum Reprod. 2022 May 30;37(6):1148-1160. doi: 10.1093/humrep/deac066. PMID: 35435210. 5-year impact factor: 5,632 El objetivo principal de este estudio fue evaluar la utilidad de una puntuación embrionaria automática como herramienta de apoyo a la toma de decisiones en los laboratorios de FIV. En primer lugar, analizamos la asociación entre la puntuación del embrión y una serie de resultados clínicos, como la ploidía, el embarazo, la implantación y el nacimiento vivo. En segundo lugar, cuantificamos la contribución de la puntuación del embrión en los resultados de implantación y nacimiento vivo en diferentes escenarios en un contexto individualizado.