Una investigación del Instituto Bernabeu aplica la Inteligencia Artificial para predecir el mosaicismo y las aneuploidías en el embrión

La Inteligencia Artificial se ha revelado como una herramienta tecnológica fundamental también en el campo de la medicina reproductiva para, entre otras cosas, mejorar las tasas de éxito. Instituto Bernabeu ha desarrollado un algoritmo de aprendizaje automático para predecir la probabilidad de que, en una fecundación in vitro (FIV), el embrión sea aneuploide, que es la presencia de un número anormal de cromosomas; y/o mosaico, en este caso el embrión posee una mezcla de células cromosómicamente normales y anormales (para uno o varios cromosomas).

Este vanguardista trabajo ha generado un importante interés en el congreso ESHRE 2021, de la European Society of Human Reproduction and Embryology la Sociedad Europea y va a ser presentado de forma oral por su autor principal, el biólogo molecular y bioquímico de Instituto Bernabeu, el doctor José Antonio Ortiz.    

El estudio supone una gran ventaja para identificar a parejas que tienen riesgo de tener un embrión con aneuploidía y/o mosaicismo embrionario a las que podría beneficiar el uso de la técnica PGT-A, la biopsia del embrión para detectar las anomalías cromosómicas. Y de esta forma evitar que se produzca un aborto temprano, que el embrión no llegue a implantar o que pueda nacer un bebé enfermo.

El doctor Ortiz detalla que “se realizaron dos modelos predictivos diferentes, uno para aneuploidías y otro para mosaicismo. La variable a predecir fue de tipo multiclase ya que incluyó las categorías de alteración cromosómica completa y segmentaria”.

Para el estudio se analizaron 6.989 embriones de más de 2.476 ciclos de PGT-A e incluyeron como variables predictoras factores del padre, de la madre, del embrión y también del ciclo de FIV que están asociados con el estado cromosómico del embrión.

Las variables más relevantes en la predicción de las alteraciones cromosómicas del embrión fueron la edad materna, y en menor medida el factor masculino y la estimulación ovárica. En el caso del mosaicismo, la técnica diagnóstica del PGT-A, factores embrionarios y las edades paterna y materna fueron las variables que mostraron mayor importancia.

La investigación determina que “el aprendizaje automático puede ser una herramienta muy útil en medicina reproductiva para el asesoramiento a los pacientes ya que permite predecir las aneuploidías y mosaicismo embrionario previo al inicio del ciclo de FIV”.

Application of machine learning to predict aneuploidy and mosaicism in embryos from in vitro fertilization (IVF) cycles

J.A. Ortiz, R. Morales, B. Lledo, E. García-Hernández, A. Cascales, J.A. Vicente, J. González, J. Ten, A. Bernabeu, J. Ll. Aparicio, R. Bernabeu.