La inteligencia artificial explicable revoluciona la fertilización in vitro al mejorar los resultados clínicos.
La infertilidad afecta a 1 de cada 6 parejas y, en muchos casos, se requiere fertilización in vitro (IVF, en inglés), un proceso complejo que genera gran cantidad de datos. Actualmente, las decisiones durante el tratamiento a menudo se basan en reglas simples que no aprovechan toda la riqueza de estos datos.
A study published in Nature Communications, dirigido por investigadores de Imperial College London aplica inteligencia artificial explicable (XAI, en inglés) en tratamientos de IVF para mejorar los resultados clínicos. LA XAI, es un enfoque que busca desarrollar modelos que realicen tareas complejas y expliquen de manera comprensible por qué llegaron a sus decisiones o predicciones. Es decir, los modos basados en XAI, mejoran la confiabilidad e interpretabilidad de los modelos además también promueven la transparencia. En salud son clave para explicar las recomendaciones de tratamiento o diagnóstico basadas en análisis de datos médicos complejos.
Este estudio multicéntrico, realizado en 11 centros europeos con datos de 19,082 mujeres sin tratamientos previos, utilizó XAI para analizar datos complejos y determinar qué tamaños de folículos (estructuras en los ovarios que contienen óvulos) optimizan los resultados clínicos, como la obtención de óvulos maduros y las tasas de nacimientos vivos.
“La IVF proporciona ayuda y esperanza a muchos pacientes que no pueden concebir, pero es un tratamiento invasivo, caro y largo. Cuando fracasa puede ser desgarrador, por lo que es importante garantizar que este tratamiento sea lo más eficaz posible” expresó el Dr. Ali Abbara especialista en endocrinología reproductiva coautor del estudio.
Los hallazgos mostraron información relevante sobre los folículos intermedios. Los folículos de tamaño intermedio fueron los más importantes para producir óvulos maduros. Un mayor porcentaje de estos folículos al final de la estimulación ovárica se asoció con tasas más altas de nacimientos vivos.
Por otro lado, los folículos grandes (>18 mm), aunque son frecuentes, se relacionaron con un aumento prematuro de los niveles de progesterona al final de la estimulación. Esto tuvo un impacto negativo en las tasas de nacimientos vivos cuando se realizó una transferencia de embriones frescos.
El estudio demostró el potencial de la inteligencia artificial para personalizar los tratamientos de IVF, optimizando el manejo de los folículos y mejorando las tasas de éxito. Sin embargo, los autores reconocieron que, los resultados deben validarse en estudios prospectivos futuros antes de implementarse clínicamente.
El Dr. Thomas Heinis, coautor principal y miembro del Departamento de Informática del Imperial College detalló que: “La XAI puede ser un recurso valioso en la asistencia sanitaria. Cuando hay tanto en juego para tomar la mejor decisión posible, esta técnica puede ayudar a los médicos a tomar decisiones y mejorar los resultados para los pacientes. Y lo que es más importante, esperamos que la potencia de cálculo mejore exponencialmente en un futuro próximo, lo que nos permitirá tomar decisiones utilizando datos precisos de una forma que no ha sido posible hasta ahora”.
