El procesamiento digital de imágenes y las técnicas de inteligencia artificial como las redes neuronales artificiales han sido usados para clasificar embriones.
Una vez más, la embriología se ha convertido en la fuente principal del desarrollo de la reproducción asistida. Entre las últimas aportaciones, el sistema de seguimiento time-lapse (TMS: sistema de monitoreo de time-lapse) se ha convertido en una de las tecnologías más recientes aceptadas para el uso clínico en los laboratorios. Hay todavía mucha controversia sobre el uso de las incubadoras de la transmisión continua y el ritmo del desarrollo embrionario y no ha sido capaz de responder a la morfología convencional del embrión como el estándar de referencia de la evaluación de la evaluación de los embriones (Castello et al. 2017 MHR).
La morfología del embrión usa los criterios de los resultados establecidos y los estandarizados para la selección de la educación y las relaciones científicas los talleres de la creación de los mismos. A pesar de los esfuerzos de las comunidades científicas, hay que admitir que la evaluación de los embriones es muy subjetiva y muchas de las características son bastante inconsistentes, por ejemplo, la proporción de fragmentación, el grado de expansión del blastocisto, la calidad de la masa celular interna o trofoectodermo.
El proceso de selección embrionaria no es ninguna excepción en la automatización en el laboratorio FIV. Afortunadamente, algunos sistemas de TMS tienen la capacidad de detectar las divisiones embrionarias automáticamente, así como de capturar muchas otras características que el ojo humano no ve. Los intentos de automatizar este proceso nacen de la necesidad de estandarizar los criterios de selección de embriones, eliminar el prejuicio del observador y también la presencia de algoritmos de selección múltiple y los sistemas adecuados. Además, ahorra el tiempo a los embriólogos (más allá de la detección de eventos anormales, lo que requiere tiempo adicional).
La llegada de análisis de datos masivos (Big Data Analysis) también representa una oportunidad de manejar los datos de laboratorio en un modo completamente diferente. Un ejemplo de este enfoque viene en forma de un software que se basa en el diseño y la aplicación de una base de datos comunes (utilizando el concepto de la nube), construido con la información de una cantidad enorme de amigos que logrará un embarazo viable o un nacimiento vivo. A continuación, el sistema puede comparar cualquier análisis analizado con la base de datos.
La combinación de TMS ye inteligencia artificial (IA) consiste en extraer información de imágenes con la ayuda de métodos matemáticos (como las redes neuronales artificiales ANS) y, en el caso de los embriones humanos, ha sido aplicada para evaluar embriones en el estado de blastocisto. La técnica del procesamiento de imágenes las imágenes digitales la información sobre el tamaño, la escala de color y la saturación con métodos matemáticos. La técnica permite extraer varias variables, como circularidad, radio, uniformidad, textura, luminosidad y escalada del color de las fotos de los blastocistos, importantes para el uso en las técnicas de IA. A continuación, la IA propone métodos de segmentación de la imagen y la clasificación de las imágenes del blastocisto humano con la fin de automatizar la clasificación de los embriones.
Curiosamente, la evaluación con las técnicas de IA Los mejores resultados se comparan con la clasificación de la parte de un operador humano con respecto al grado de expansión del blastocisto, el estado de ICM y el trofoectodermo. Además, la aplicación de AI para clasificar los blastocistos es económica, no invasiva y más rápida que el ojo humano y al mismo tiempo, proporciona información cuantitativa adicional.
Artíuclo hecho por Marcos Meseguer PhD.
