Resumen de Aplicación de la inteligencia artificial para la selección embrionaria combinando el análisis proteico del medio de cultivo en contacto con el blastocisto, la morfocinética y la morfología en D5 de desarrollo

Celia Fideli, Lorena Bori, Marco Toschi, Maria-Luisa Alegre, José Celso Rocha, Marcos Meseguer

• español

  El objetivo del presente estudio fue desarrollar un modelo de inteligencia artificial basado en redes neuronales artificiales o ANN (del inglés Artificial Neural Network) para predecir la probabilidad de conseguir un recién nacido vivo utilizando el perfil proteómico del medio de cultivo en el que se ha desarrollado el embrión y la morfología del blastocisto. En este estudio de cohorte retrospectivo se estudió una única imagen de 186 embriones y se analizó el perfil proteico de 81 muestras de medio de cultivo embrionario de pacientes incluidas en el programa de diagnóstico genético preimplantacional de aneuploidías o PGT-A, del inglés Preimplantation Genetic Testing for Aneuploidy. Tres arquitecturas de la ANN clasificaron correctamente la mayoría de los embriones como aquellos que darían lugar a un recién nacido vivo (RNV+) y los que no (RNV-). Los resultados muestran que el modelo propuesto en este estudio preliminar puede proporcionar una herramienta prometedora para seleccionar el embrión con mayor probabilidad de dar lugar a un recién nacido vivo en una cohorte de embriones euploides. La precisión de la predicción demostrada por este software puede mejorar la eficacia de un tratamiento de reproducción asistida al reducir el número de transferencias por paciente. No obstante, son necesarios estudios prospectivos

• English

  The study aimed to develop an artificial intelligence model based on artificial neural networks (ANNs) to predict the likelihood of achieving a live birth using the proteomic profile of spent culture media and blastocyst morphology. In this retrospective cohort study a single image of 186 embryos was studied, and the protein profile was analysed in 81 samples of spent embryo culture medium from patients included in the PGT-A programme. Three ANN architectures classified most of the embryos correctly as leading (LB+) or not leading (LB–) to a live birth. The results show that the model proposed in this preliminary report may provide a promising tool to select the embryo most likely to lead to a live birth in a euploid cohort. The accuracy of prediction demonstrated by this software may improve the efficacy of an assisted reproduction treatment by reducing the number of transfers per patient. Prospective studies are, however, needed.