Inteligencia artificial en la selección de esperma para reproducción asistida

Por el Dr. Priyom Bose, Ph.D. 29 de mayo de 2023 Revisado por Benedette Cuffari, M.Sc.

En una reciente revisión de Fertility and Sterility, los investigadores resumen las pruebas disponibles sobre la aplicación de la inteligencia artificial (IA) y el aprendizaje automático en la selección de espermatozoides.

Todos los artículos pertinentes se obtuvieron de las bases de datos PubMed Central, Web of Science y MEDLINE-Academic. En la búsqueda inicial se encontró un total de 261 artículos; sin embargo, en función de los criterios de inclusión, se seleccionaron 34 artículos.

Inteligencia artificial no invasiva para la selección de embriones en la FIV

Inteligencia artificial para seleccionar al mejor embrión

Estudio: Inteligencia Artificial (IA) para la selección de esperma - una revisión sistemática. Crédito de la imagen: Inna Dodor / Shutterstock.com

Importancia de la selección espermática

En todo el mundo, más de 100 millones de personas se enfrentan a problemas relacionados con la infertilidad, y el factor masculino contribuye hasta en un 50% de estos casos.

El análisis del semen, asociado a la investigación de la morfología, la movilidad y la integridad del ADN de los espermatozoides, es esencial para el diagnóstico y el posterior tratamiento de la infertilidad por factor masculino. En función de diversos parámetros, los embriólogos se enfrentan a la ardua tarea de seleccionar un solo espermatozoide de entre los millones que componen una muestra, un proceso laborioso con un alto riesgo de errores de selección.

Los parámetros del semen son sólidos indicadores pronósticos de los resultados de la fecundación y el embarazo. Si el análisis indica que los parámetros seminales no son óptimos, pueden aplicarse tecnologías de reproducción asistida (TRA) para ayudar a los espermatozoides a superar la barrera del tracto reproductor femenino, mejorando así la probabilidad de concepción.

Las tasas de éxito de las TRA se han mantenido relativamente bajas en todo el mundo debido a la falta de una selección espermática adecuada. A pesar de los avances tecnológicos, la selección espermática final la realiza principalmente de forma manual un embriólogo siguiendo los criterios de la Organización Mundial de la Salud (OMS). La selección de espermatozoides es crucial, ya que se necesita un único espermatozoide para la inyección intracitoplasmática de espermatozoides (ICSI).

La OMS ha proporcionado una guía para la selección adecuada de espermatozoides basada en la morfología, incluida la longitud de la cabeza del espermatozoide, la presencia o ausencia de vacuolas y la circularidad, así como la motilidad. Sin embargo, los embriólogos no disponen de tiempo suficiente para evaluar un espermatozoide en su totalidad, lo que podría repercutir en el éxito de las TRA. En este caso, la IA podría aplicarse para mejorar la eficacia de la selección de espermatozoides.

IA y aprendizaje automático para la selección de esperma

Estudios anteriores han indicado que la IA puede identificar de forma coherente y eficaz un embrión con un potencial óptimo de desarrollo e implantación. La IA también puede reducir el tiempo y el esfuerzo del embriólogo asociados a la evaluación visual y la clasificación manual de embriones.

Los algoritmos de aprendizaje automático son capaces de procesar grandes conjuntos de datos, similares al grueso de los datos evaluados durante la valoración embrionaria. Por lo tanto, esta técnica puede aplicarse para automatizar el proceso de selección de esperma mediante el acoplamiento de datos genéticos y visuales. La implementación de la IA y los algoritmos de aprendizaje automático en el laboratorio de TRA podría mejorar significativamente las capacidades de selección de esperma del embriólogo.

Historias relacionadas

• Un estudio revela que un mayor IMC y el tabaquismo aumentan el tiempo hasta la concepción
• Tic-tac en el reloj biológico: Los turnos de trabajo pueden alterar la fertilidad femenina
• El ayuno restringido afecta a la reproducción de forma diferente en hombres y mujeres

La morfología espermática favorable se caracteriza por una cabeza lisa y ovalada, ausencia de vacuolas grandes/múltiples, acrosoma que cubre el 40-70% de la cabeza, esbeltez de la pieza media y citoplasma residual de hasta un tercio del tamaño de la cabeza. Los algoritmos de IA pueden estandarizar y agilizar los análisis espermáticos basándose en los modelos disponibles. Además, la morfología espermática en combinación con algoritmos de aprendizaje profundo, podría evaluarse con una precisión de alrededor del 98%.

El rendimiento de la IA y de los algoritmos de aprendizaje automático depende de la calidad de las imágenes del conjunto de datos de entrenamiento. Para obtener una mayor precisión en estos sistemas, deben entrenarse con datos de imágenes de esperma más amplios y de alta calidad.

En algunos casos, los espermatozoides son muy susceptibles de sufrir daños en la cabeza del espermatozoide, lo que provoca aberraciones cromosómicas, fragmentación del ADN y acortamiento de los telómeros. La fertilidad masculina está inversamente asociada al índice de fragmentación del ADN (IFD), que es sumamente importante para la selección de espermatozoides. Para detectar la fragmentación del ADN se emplean técnicas como la electroforesis en gel unicelular (SCGE), el etiquetado de extremos de níquel UTP con desoxinucleotidil transferasa terminal (TUNEL) y el ensayo de la estructura de la cromatina espermática.

Los científicos han desarrollado algoritmos de aprendizaje automático entrenando el sistema con imágenes de esperma vinculadas a valores DFI asociados. Este sistema estandarizado puede evaluar con precisión la calidad de un solo espermatozoide basándose en el conjunto de datos entrenados, eliminando así cualquier preocupación relativa a la subjetividad humana.

Los embriólogos utilizan imágenes holográficas, análisis espermático asistido por ordenador (CASA) y plataformas de microfluidos para determinar la motilidad de los espermatozoides. CASA es un método de alto rendimiento que evalúa grandes cantidades de espermatozoides a nivel de muestra, pero no analiza la motilidad espermática simple.

Esto puede resolverse con el desarrollo de un modelo matemático basado en el movimiento helicoidal tridimensional (3D) del batido de la cola. Las técnicas de imagen holográfica de alta resolución permiten a los científicos evaluar los patrones de batido de la cola en espermatozoides que nadan libremente.

Se utilizan múltiples datos sobre la motilidad de los espermatozoides vinculados a CASA, chips microfluídicos e imágenes holográficas para entrenar el sistema de IA, junto con otros parámetros de fertilidad masculina para seleccionar los espermatozoides óptimos para la TRA. De este modo, las aplicaciones de la IA y las técnicas de aprendizaje automático han mejorado significativamente las tasas de concepción y los resultados de embarazo satisfactorios tras la TRA.