Modelos de predicción con IA basados en imágenes temporales para embriones viables con potencial de implantación y euploidía

Por qué esto importa para futuros padres

Para las personas que atraviesan la fertilización in vitro (FIV), elegir qué embrión transferir puede marcar la diferencia entre otra desilusión y un embarazo exitoso. Hoy en día, las decisiones suelen basarse en el aspecto de los embriones al microscopio o en pruebas genéticas invasivas que requieren tomar células del embrión. Este estudio explora una vía distinta: usar inteligencia artificial (IA) para observar cómo crecen los embriones a lo largo del tiempo y estimar de forma discreta cuáles tienen más probabilidad de implantarse y cuáles probablemente tengan el número correcto de cromosomas, todo sin tocar el embrión.

De instantáneas a películas en movimiento

Tradicionalmente, los embriólogos evalúan los embriones a partir de unas pocas imágenes fijas, juzgando rasgos como la forma y la disposición celular. Estas calificaciones son subjetivas y no revelan de manera confiable si un embrión tiene el recuento cromosómico correcto, un factor clave en el riesgo de aborto. Las pruebas genéticas pueden responder esa pregunta, pero requieren extraer células del embrión. En este trabajo, los investigadores emplearon en su lugar videos continuos time-lapse capturados en incubadoras especiales. Estos videos muestran cambios sutiles en la división y el desarrollo celular durante los primeros días tras la fertilización, incluidos detalles demasiado finos o rápidos para que el ojo humano los registre de forma consistente.

Entrenar a la IA para leer la vida temprana en película

El equipo construyó dos modelos de IA que aprendieron directamente de estas películas de embriones junto con la edad de la madre. Un modelo estimó la probabilidad de que un embrión transferido produjera un embarazo clínico (confirmado por ecografía). El otro evaluó si un embrión era probablemente "euploide", es decir, que tenía el número correcto de cromosomas, a partir de los resultados de pruebas genéticas estándar realizadas en algunos embriones. En conjunto, los conjuntos de datos incluyeron más de 2.400 embriones para la predicción de embarazo y más de 1.600 para el estado cromosómico. En lugar de depender de marcadores elegidos por humanos, la IA examinó la secuencia completa de video, capturando el tiempo y el patrón de desarrollo cuadro a cuadro.

Cómo se comportaron los modelos

Para probar la fiabilidad, los investigadores entrenaron un conjunto—diez versiones separadas—de cada modelo y combinaron sus salidas para que ninguna versión aislada dominara la decisión. Evaluaron el rendimiento en tres grupos independientes: un conjunto de validación, un conjunto de prueba interno y un conjunto de prueba externo procedente de distintas clínicas de FIV. Ambos modelos mostraron buena capacidad para separar embriones con mejores resultados de aquellos con peores. Para la predicción de embarazo, la precisión del modelo fue mayor cuando se centró en las primeras 20 a 50 horas de desarrollo, lo que sugiere que las divisiones celulares muy tempranas contienen pistas poderosas sobre el éxito posterior. Para el estado cromosómico, el rendimiento se mantuvo sólido a lo largo de todo el periodo de cultivo, lo que indica que hay señales útiles presentes durante todo el crecimiento temprano del embrión.

Qué podrían significar las puntuaciones en la clínica

En la práctica clínica real de la FIV, los médicos deben decidir qué embriones transferir o someter a más pruebas, no solo ordenarlos. Por ello, los investigadores eligieron umbrales de puntuación prácticos usando los datos de validación y los aplicaron sin cambios a las clínicas de prueba, imitando un despliegue en el mundo real. Para la predicción de embarazo, el umbral seleccionado conservó la mayoría de los embriones que finalmente dieron lugar a embarazo, mientras descartó muchos que no se implantaron. Para la predicción cromosómica, el umbral retuvo una gran proporción de embriones que las pruebas mostraron como cromosómicamente normales y apartó muchos que probablemente eran anormales. Los autores subrayan que estas herramientas buscan apoyar, no reemplazar, el juicio clínico: ayudar a priorizar embriones, reducir la necesidad de pruebas invasivas cuando no son factibles y, potencialmente, acortar el tiempo hasta lograr un embarazo exitoso.

Mirando hacia una selección de embriones más suave

Para un no especialista, el mensaje principal es que las computadoras pueden ahora aprender a partir de breves películas de embriones para ofrecer pistas no invasivas sobre cuáles son los más prometedores. Al observar cómo los embriones se dividen y cambian desde el inicio, la IA puede captar información que el ojo humano y las instantáneas puntuales podrían pasar por alto. Aunque se necesitan más pruebas en clínicas y grupos de pacientes más diversos, este enfoque apunta a tratamientos de FIV en los que la elección del embrión sea más objetiva, más segura y menos dependiente de biopsias, ofreciendo una vía más suave para formar una familia.

Cita: Maekawa, R., Kiritani, T., Abe, T. et al. AI prediction models based on time-lapse imaging for good embryos with implantation potential and euploidy. Sci Rep 16, 9864 (2026). https://doi.org/10.1038/s41598-026-40917-5

Palabras clave: FIV, selección de embriones, imágenes time-lapse, inteligencia artificial, pruebas no invasivas