Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence
Esta revisión sistemática concluye que, si bien la selección de embriones asistida por IA en la FIV ha avanzado significativamente en el desarrollo de modelos y el rendimiento técnico, la evidencia actual de su efectividad clínica sigue siendo limitada e inconsistente, lo que requiere una mayor validación independiente y estudios prospectivos antes de que se pueda establecer su adopción clínica rutinaria.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Para millones de parejas en todo el mundo, el camino para formar una familia está bloqueado por la infertilidad, una condición que afecta aproximadamente a una de cada seis personas en edad reproductiva. Cuando la concepción natural no ocurre, los médicos suelen recurrir a un procedimiento de laboratorio llamado fecundación in vitro, donde un óvulo y un espermatozoide se combinan fuera del cuerpo para crear un embrión. El paso más crítico y difícil en este proceso es elegir qué único embrión se colocará de nuevo en el útero de la mujer. Tradicionalmente, científicos altamente capacitados llamados embriólogos han tomado esta decisión observando el embrión bajo un microscopio, juzgando su salud basándose en su apariencia y en la rapidez con la que crece. Sin embargo, esta evaluación visual puede variar de un experto a otro, e incluso el mejor ojo humano no siempre puede predecir qué embrión logrará arraigar con éxito y crecer hasta convertirse en un bebé. En años recientes, los científicos han comenzado a probar si la inteligencia artificial, el mismo tipo de tecnología informática que puede reconocer rostros o conducir coches, puede ayudar a que esta selección sea más precisa.
Una nueva revisión sistemática, un tipo de estudio que recopila y analiza toda la investigación existente sobre un tema específico, ha analizado rigurosamente qué tan bien se están desempeñando realmente estos sistemas informáticos en el mundo real. Los investigadores detrás de esta revisión, Emmanuel Emmanuel y Ekwueme Precious, no realizaron un solo experimento nuevo. En su lugar, recopilaron y examinaron docenas de estudios previos que probaron herramientas de inteligencia artificial diseñadas para clasificar y seleccionar embriones. Su objetivo era separar el éxito técnico de estos modelos informáticos de su capacidad real para mejorar las posibilidades de un embarazo saludable. Querían saber si el software, que puede procesar miles de imágenes y encontrar patrones invisibles para los humanos, conduce verdaderamente a que nazcan más bebés, o si su éxito se limita a la pantalla de la computadora.
La revisión encontró que la tecnología ha avanzado rápidamente. Los intentos iniciales utilizaban programas informáticos sencillos, pero los estudios más recientes emplean el aprendizaje profundo (deep learning), un método sofisticado donde la computadora aprende mediante el análisis de vastas bibliotecas de imágenes de embriones, incluyendo videos de lapso de tiempo (time-lapse) que muestran el crecimiento del embrión hora tras hora. Estos sistemas ahora pueden calificar embriones, predecir su salud genética y clasificarlos de una manera que a menudo iguala o incluso supera la consistencia de los expertos humanos. En términos de pura predicción, los modelos informáticos han demostrado que pueden distinguir entre embriones que tienen probabilidades de implantarse y aquellos que no. Por ejemplo, un estudio de gran escala que involucró casi doscientas mil mil embriones de veintidós clínicas diferentes encontró que el sistema de IA podía identificar correctamente embriones viables con un nivel de precisión que oscilaba entre el sesenta y el setenta y cinco por ciento, dependiendo de las condiciones específicas de la prueba.
Sin embargo, la revisión destaca una brecha significativa entre lo que la computadora puede predecir y lo que puede lograr en una clínica. El hecho de que un modelo pueda clasificar con precisión los embriones en una base de datos no significa que su uso resulte en más embarazos exitosos para las pacientes. La prueba más rigurosa de esta tecnología provino de un importante ensayo aleatorizado que involucró a más de mil pacientes en catorce clínicas. En este estudio, un grupo de pacientes tuvo sus embriones seleccionados por un sistema de aprendizaje profundo, mientras que otro grupo tuvo sus embriones seleccionados por el método tradicional de evaluación visual humana. Los resultados fueron claros: el grupo que utilizó la inteligencia artificial no tuvo un mejor desempeño que el grupo de los expertos humanos. De hecho, la tasa de embarazo clínico fue ligeramente menor para el grupo de la IA, con un cuarenta y seis punto cinco por ciento, en comparación con el cuarenta y ocho punto dos por ciento del grupo convencional. El estudio fue diseñado para ver si la IA era al menos tan buena como el método humano, y no logró probar ese punto.
Este hallazgo sugiere que, si bien la inteligencia artificial es una herramienta poderosa para analizar datos, aún no ha demostrado ser un reemplazo superior para el juicio humano en la clínica. La revisión señala que muchos estudios anteriores que mostraban una gran promesa eran retrospectivos, lo que significa que analizaban datos de embriones que ya habían sido transferidos y estudiados. Estos estudios a menudo mostraban vínculos fuertes entre las puntuaciones altas de la IA y los embarazos exitosos, pero no podían probar que la IA causara el éxito, ya que los embriones elegidos por la IA no fueron comparados contra un grupo de control de manera justa y aleatoria. Además, la revisión observó que diferentes clínicas utilizan diferentes microscopios, diferentes incubadoras y diferentes formas de cuidar a los embriones, lo que significa que un modelo informático entrenado en un laboratorio podría no funcionar tan bien en otro. La tecnología también mostró signos de inestabilidad, donde el mismo embrión podía recibir un ranking diferente si el modelo informático se ejecutaba varias veces, lo que plantea dudas sobre su fiabilidad.
Los autores concluyen que el campo se encuentra en un punto de inflexión. Los modelos informáticos han demostrado que pueden aprender el lenguaje visual del desarrollo embrionario y proporcionar clasificaciones consistentes, lo cual es un logro técnico notable. No obstante, la evidencia de que esta tecnología mejore el objetivo final de la fecundación in vitro —tener un nacimiento vivo— es aún débil. La revisión no descarta el potencial de la inteligencia artificial, pero insiste en que la tecnología debe tratarse como una herramienta de apoyo a la decisión en lugar de una solución automática. Antes de que las clínicas puedan confiar con seguridad en estos sistemas para elegir embriones, se necesita más pruebas independientes. Los estudios futuros deben centrarse en los resultados del mundo real, específicamente en el número de bebés nacidos, y deben asegurar que el software funcione de manera confiable en diferentes hospitales y grupos de pacientes. Hasta que dicha prueba esté disponible, el embriólogo humano sigue siendo el guía esencial en el viaje hacia la paternidad, con la inteligencia artificial sirviendo como un asistente útil, pero aún no plenamente confiable.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.