Visión computacional, automatización de procesos, inteligencia artificial, machine learning, deep learning… No, no vamos a hablar de la Industria 4.0 ni de una factoría con innovaciones punteras, sino de cómo la medicina reproductiva y la embriología están adoptando estas técnicas en busca, también, de una optimización de sus procesos. Esto es lo que se ha visto en la 36 edición del Congreso de la Sociedad Europea de Reproducción Humana y Embriología (ESHRE).

"Hace unos años, por ejemplo, el embriólogo generaba el embrión y lo tenía que sacar del incubador cada día para verlo y analizarlo. Ahora, tras hacer la microinyección, se deja en el incubador y pasan días hasta que vuelves a verlo" y todo gracias a técnicas de inteligencia artificial en los laboratorios, explica a INNOVADORES el doctor Marcos Meseguer, supervisor científico de IVI Valencia y participante del ESHRE 2020. Además, incide, también cabe la posibilidad de que al aplicar este tipo de innovaciones se reduzca la probabilidad de tener que analizarlo genéticamente: en un futuro con la IA y la visión artificial de la imagen, el embriólogo podrá llegar a deducir qué embrión se implantará con éxito. En definitiva, "cada vez el embriólogo manipulará menos" gracias a unas “técnicas menos invasivas".

"Si los datos que se generan son de calidad y pueden ir alimentado los sistemas de IA y así desarrollar herramientas diagnósticas", señala Meseguer. Es lo que se conoce como telemedicina y que también se está aplicando en la embriología y la medicina reproductiva. Con estas herramientas, el embriólogo puede contar con una ‘guía’, con una orientación, para "poder llegar a individualizar el tratamiento a los pacientes y así optimizarlo" al ayudar al profesional en la toma de decisiones durante la terapia que debe seguir cada paciente, basándose en el análisis de los datos y patrones.

Es cierto, reconoce Meseguer, que estos procesos con IA "aún no son una rutina" en la medicina reproductiva global, es decir, en la consulta con la paciente, pero sí en los laboratorios y sí en la recopilación de datos para construir estas herramientas. De hecho, en el sector aún existe cierta resistencia de los profesionales por el supuesto reemplazo por una máquina: "El ‘ojo clínico’ del profesional puede que sea irremplazable", alega Meseguer, al tiempo que matiza que "aún está por confirmar la mejora que supondría el uso de estas herramientas" en algunas fases del proceso. "Estamos en el límite".

Uno de los aspectos que más se valoran de estas técnicas con IA es su carácter "no invasivo", porque permitirá realizar primeros diagnósticos sin necesidad de intervenciones en los pacientes. "Lo bueno de estas técnicas es que lo único que se hace es observar y analizar sin intervención directa, aunque sí que existe una intervención indirecta al ayudar el embriólogo a decidir", señala el experto del IVI.

En el caso de los embriones, por ejemplo, se pueden analizar desde fuera para seleccionarlos. En este sentido, el IVI ha presentado en el ESHRE el sistema KIDScoreD5, un software que cuenta con unos algoritmos entrenados con técnicas de machine learning para realizar la selección y clasificación embrionaria de modo automático. Este entrenamiento ha sido posible con los datos del estudio de IVIRMA Global titulado A universal algorithm is available in last generation time-lapse incubators: embryo score provided by the KIDScoreD5 is strongly correlated with chromosomal status and clinical outcomes, que se ha llevado a cabo a lo largo de los tres últimos años analizando más de 20.000 embriones y más de 3.000 pacientes.

Junto a este trabajo, en el ESHRE también se han presentado múltiples trabajos que quieren dar a conocer al mundo científico cómo los algoritmos pueden ayudar a generar modelos predictivos para la embriología. Uno de ellos muestra una comparación entre las técnicas tradicionales y el uso de machine learning: con estos algoritmos aumenta la predicción de la euploidía en los embriones humanos de débil (61%) a aceptable (72%).

Otro de los trabajos presentado combina la visión artificial de las imágenes con deep learning para proporcionar una evaluación fiable de los blastocistos (embriones de desarrollo avanzado) y que sea robusta para los diferentes tipos de microscopios. "La IA que combina la anotación automatizada de embriones, entrenada sólo con imágenes de microscopio óptico, se generaliza para producir una alta precisión y consistencia para las imágenes derivadas en técnicas time-lapse".

Otro de los estudios presentados se centra en el uso de redes neuronales convolucionales profundas, entrenadas con IA, para identificar con precisión la ubicación correcta en el ovocito para inyectar el esperma en la técnica de fecundación in vitro. "La automatización avanzada requiere una precisión que no se puede lograr con los algoritmos de rastreo, sino con técnicas de machine learnging para ser capaz de identificar espermatozoides morfológicamente normales y detectar con precisión la posición correcta para inyectar el esperma en los ovocitos", explican en este paper.

Automatización

Como se ha visto, la IA en muchas ocasiones se combina con procesos automatizados. "El aprendizaje profundo ofrece una promesa para la automatización y la estandarización de evaluación de la calidad del embrión. Hay varios estudios que utilizan el aprendizaje automático en un intento de automatizar la clasificación de los embriones y mejorar la selección de los mismos", inciden en la recopilación de estudios presentados en el ESHRE.

En este sentido, Meseguer destaca la evolución que se está produciendo, sobre todo, en los laboratorios de la medicina reproductiva hacia la automatización de los procesos, es decir, en lo que es el hardware y la actividad manual. Son procesos manuales "laboriosos, complejos y sujetos a la intervención del hombre", por lo que se están desarrollando líneas de trabajo para automatizarlos. Sin embargo, incide en que "se desconoce si esta automatización mejorará las ‘manos’ de los profesionales sanitarios y biólogos o las igualará". 

Además, Meseguer se pregunta por el objetivo que hay detrás de este tipo de proyectos: "¿Se pretenden mejorar los resultados y darles más probabilidades a las pacientes, algo que no sabemos si será posible, o se quiere suplir la carencia de personal formado para realizar este trabajo y reducir costes? Esta segunda disyuntiva, Meseguer la descarta en el caso de España, donde «hay muchos profesionales en este campo e, incluso, exportamos profesionales". También rechaza el tema de costes de personal porque, lamenta, el sueldo de estos profesionales en el laboratorio es "muy bajo" en España.

Junto a la automatización y la aplicación de la IA, otras de las tecnologías que están más asentados en la medicina reproductiva es la criopreservación, un proceso en el que el embrión se somete a una serie de cambios (se realiza una extracción del agua y se sustituye por un anticongelante). "Ahora estos pasos ya se hacen de manera automática con máquinas que van cambiando el medio de cultivo".

Ahora se está centrando en el almacenaje de estos embriones: se están automatizando los bancos de nitrógenos con detectores de radiofrecuencia para localizar las muestras. Con estas tecnologías, "se reduce el riesgo de error humano a la hora de guardar y encontrar las muestras". Esto resulta útil, puntualiza Meseguer, en países que no cuentan con embriólogos.