Desarrollo de algoritmos basados en Deep Learning para la mejora de la selección embrionaria utilizando tecnologías de visión artificial y su aplicación en un prototipo demostrador para su explotación en el ámbito asistencial.

El presente proyecto surge de la preocupación de la matriz del Grupo IVI por la necesidad de implementar protocolos clínicos personalizados que ayuden a incrementar el éxito de cada ciclo de reproducción asistida y también producir una reducción de los intentos realizados hasta conseguir el éxito reproductivo. Se pretende la incorporación de las tecnologías de digitalización” mediante el desarrollo de servicios y modelos de analítica avanzada y visualización de datos que ayuden a la toma de decisión, concretamente de embriones competentes y de puntos críticos del proceso. 

 Actualmente, son muy limitados los trabajos que usan técnicas de Inteligencia Artificial (IA) y visión por computador para realizar una valoración de aquellos embriones que tendrán más probabilidades de tener una implantación final exitosa. Derivado del presente proyecto, se obtendrá una tecnología de visión artificial más robusta encuadrada en un protocolo clínico no invasivo que permita monitorizar y evaluar in silico el crecimiento embrionario y el éxito en la implantación con Deep Learning; optimizar los procesos, y su rendimiento, mediante tecnologías de visión artificial y el desarrollo de algoritmos basados en Deep Learning.

Por lo que el establecimiento de una nueva tecnología de visión artificial más robusta encuadrada en un protocolo clínico no invasivo capaz de seleccionar automáticamente el embrión con mayor probabilidad de implantar de una cohorte a la vez que alertar de las situaciones de riesgo, supondría una reducción del tiempo que los embriólogos destinan a la valoración de datos durante los procedimientos de laboratorio. Además de reducir la variabilidad inter-observador.

Los resultados previstos toman importancia debido a que los diferentes proyectos de familia (familias heteroparentales, homoparentales, monoparentales), el retraso en la maternidad, el incremento en la obesidad, y muchos otros factores han incrementado la demanda por unos servicios de reproducción asistida más personalizados y ha propiciado un cambio en el enfoque de la cadena de valor de las clínicas de reproducción asistida. 

Un mejor servicio, más exitoso y personalizado, se espera que se traduzca en un reclamo para los potenciales pacientes y una ventaja competitiva muy importante que redundará en un incremento en el número de pacientes y un aumento de la cifra de negocio.

El método clásico que se basa en la observación puntual por los expertos presenta una serie de limitaciones que son:

– Es una evaluación subjetiva.

– La evaluación se realiza en tiempos discretos, basados en momentos de observación puntual.

– Existen efectos negativos de la manipulación del entorno del cultivo.

– La clasificación de los embriones se divide en 4 categorías definidas por la ASEBIR (Asociación para el Estudio de la Biología de la Reproducción).

Frente a estas limitaciones, las técnicas de visión artificial y los algoritmos Deep Learning pueden mitigarlas o minimizarlas, llegando a tener un método de evaluación con las siguientes características:

– Obtención de parámetros cuantitativos objetivos.

– Mayor rapidez en la evaluación de embriones.

– Sistema de alarmas que permita la identificación temprana durante el cultivo embrionario. 

– Aporta información de forma automatizada sobre una gran variedad de parámetros (morfocinéticos, proteómicos, genómicos, de estrés oxidativo, etc.) que faciliten la toma de decisiones de los embriólogos.  

Por ello, lo que se pretende con el presente proyecto es solventar las limitaciones anteriormente comentadas desarrollando un nuevo sistema basado en algoritmos Deep Learning y en tecnologías de visión artificial que analicen de forma automatizada un amplio abanico de parámetros que afectan al éxito de implantación. Con todo ello, se conseguirá desarrollar un nuevo método diagnóstico que facilitará la toma de decisiones de los embriólogos aumentando el éxito en la implantación embrionaria, y en consecuencia, se aumentará el éxito de los tratamientos de reproducción asistida ofertados por la entidad.  Además, se pretende desarrollar un sistema de alertas que permita identificar precozmente valores anómalos o subóptimos en parámetros de interés respecto al éxito de implantación identificados previamente. La consecución satisfactoria del presente proyecto supondría la aplicación clínica de un nuevo protocolo de identificación y selección embrionaria, así como de un sistema de alertas asociado, que mejorará sustancialmente la eficacia de la técnica y, en consecuencia, el éxito reproductivo de los tratamientos ofertados por la entidad.

En este sentido, debido a que la incorporación de la tecnología objetivo de este proyecto posibilitará un mayor control y mejor monitorización y seguimiento del proceso de otros centros, y permitirá identificar la relación entre problemas o ineficiencias concretas, será un reclamo importante para nuestros proveedores u otras empresas del sector farmacéutico o de desarrollo de equipamiento sanitario de cara a la realización de ensayos clínicos controlados o para la validación de nuevos productos o tecnologías.