La revista científica American Journal of Obstetrics and Gynecology publica un estudio de IB que establece un modelo de Inteligencia Artificial para predecir alteraciones cromosómicas en los embriones FIV
30 de noviembre de 2022
American Journal of Obstetrics and Gynecology (AJOG), revista especializada en medicina reproductiva, ha publicado en su número de noviembre la investigación científica de Instituto Bernabeu titulada Application of machine learning to predict aneuploidy and mosaicism in embryos from in vitro fertilization cycles que lidera el bioquímico y biólogo molecular de Instituto Bernabeu, el doctor José Antonio Ortiz.
El objetivo del estudio es establecer un modelo de aprendizaje automático que permita predecir las alteraciones cromosómicas en el embrión (aneuploidías) y el mosaicismo en embriones (donde se aprecia una mezcla de células cromosómicamente normales y anormales para uno o varios cromosomas), antes de implantar en el útero materno. Precisamente son las aneuploidías embrionarias una de las principales causas del fracaso en ciclos FIV, aunque en algunos casos, hay un porcentaje de embriones que no logran implantar y el mosaicismo embrionario puede ser la causa.
A través de algoritmos de Inteligencia Artificial (IA), el estudio de Instituto Bernabeu puede predecir estas alteraciones en el embrión, basándose en variables predictoras de los pacientes, tanto maternas como paternas, del ciclo de Fecundación in Vitro (FIV) de los embriones, de la estimulación ovárica y de la biopsia embrionaria.
El avance es una gran ventaja para identificar a parejas con riesgo de tener un embrión con aneuploidía y/o mosaicismo embrionario, a las que podría beneficiar el uso de las pruebas genéticas preimplantacionales para aneuploidías (PGT-A).
La comunidad científica ya ha valorado este trabajo que ha sido expuesto en los principales foros científicos como el congreso ESHRE 2021.
El uso de la IA está presente en muchas de las líneas de investigación de Instituto Bernabeu. Los científicos de la clínica ya trabajan en el uso de distintos algoritmos, que pueden contribuir a la optimización y personalización de los tratamientos.
J.A. Ortiz, R. Morales, B. Lledó, J.A. Vicente, J. González, E.M. García-Hernández; A. Cascales, J. Ten, A. Bernabeu, R. Bernabeu