Modelli predittivi AI basati su time-lapse per embioni di buona qualità con potenziale di impianto ed euploidia

Perché è importante per i genitori speranzosi

Per chi affronta la fecondazione in vitro (FIVET), scegliere quale embrione trasferire può fare la differenza tra un altro doloroso insuccesso e una gravidanza riuscita. Oggi le decisioni si basano spesso sull’aspetto degli embrioni al microscopio o su test genetici invasivi che comportano il prelievo di cellule dall’embrione. Questo studio esplora una strada diversa: usare l’intelligenza artificiale (AI) per osservare la crescita degli embrioni nel tempo e stimare, senza toccarli, quali hanno maggiori probabilità di impiantarsi e quali sono più probabili che abbiano il corretto numero di cromosomi.

Dalle istantanee alle immagini in movimento

Tradizionalmente gli embriologi classificano gli embrioni basandosi su poche immagini statiche, valutando caratteristiche come la forma e la disposizione cellulare. Queste valutazioni sono soggettive e non rivelano in modo affidabile se un embrione ha il numero corretto di cromosomi, un fattore chiave nelle perdite di gravidanza. I test genetici possono rispondere a questa domanda, ma richiedono di rimuovere cellule dall’embrione. In questo lavoro i ricercatori hanno invece utilizzato video time-lapse continui catturati in incubatori speciali. Questi video mostrano sottili cambiamenti nella divisione e nello sviluppo cellulare nei primi giorni dopo la fecondazione, inclusi dettagli troppo minuti o rapidi perché l’occhio umano li segua in modo coerente.

Addestrare l’AI a leggere la vita precoce in pellicola

Il gruppo ha costruito due modelli di AI che hanno appreso direttamente da questi filmati degli embrioni insieme all’età materna. Un modello stimava la probabilità che un embrione trasferito conduca a una gravidanza clinica (confermata dall’ecografia). L’altro stimava se un embrione fosse probabilmente “euploide”, cioè con il corretto numero di cromosomi, sulla base dei risultati dei test genetici standard eseguiti su alcuni embrioni. Complessivamente i dataset includevano oltre 2.400 embrioni per la previsione di gravidanza e più di 1.600 per lo stato cromosomico. Invece di affidarsi a marcatori scelti dall’uomo, l’AI ha esaminato l’intero flusso video, catturando tempistiche e schemi di sviluppo fotogramma per fotogramma.

Quanto bene hanno funzionato i modelli

Per testare l’affidabilità, i ricercatori hanno addestrato un ensemble—dieci versioni separate—di ciascun modello e hanno combinato le loro uscite in modo che nessun singolo modello dominasse la decisione. Hanno valutato le prestazioni in tre gruppi indipendenti: un set di validazione, un set di test interno e un set di test esterno proveniente da diverse cliniche di FIVET. Entrambi i modelli hanno mostrato buona capacità di distinguere embrioni con esiti migliori da quelli con esiti peggiori. Per la previsione di gravidanza, l’accuratezza del modello è risultata massima quando si è concentrato sulle prime 20–50 ore di sviluppo, suggerendo che le prime divisioni cellulari contengono indizi potenti sul successo successivo. Per lo stato cromosomico, le prestazioni sono rimaste solide per tutto il periodo di coltura, il che significa che segnali utili sono presenti durante tutta la crescita precoce dell’embrione.

Cosa potrebbero significare i punteggi in clinica

Nella pratica clinica reale della FIVET, i medici devono decidere quali embrioni trasferire o testare ulteriormente, non solo classificarli. I ricercatori hanno quindi scelto soglie di punteggio pratiche usando i dati di validazione e le hanno applicate inalterate alle cliniche di test, imitando un impiego nel mondo reale. Per la previsione di gravidanza, la soglia scelta ha mantenuto la maggior parte degli embrioni che hanno poi portato a gravidanza, scartando molti che non si sono impiantati. Per la previsione dello stato cromosomico, la soglia ha conservato una larga parte degli embrioni che i test hanno mostrato essere cromosomicamente normali e ha messo da parte molti probabili anomali. Gli autori sottolineano che questi strumenti sono pensati per supportare, non sostituire, il giudizio clinico—aiutando a dare priorità agli embrioni, ridurre la necessità di test invasivi quando non sono fattibili e potenzialmente abbreviare il tempo fino a una gravidanza riuscita.

Verso una selezione degli embrioni più delicata

Per chi non è specialista, il messaggio principale è che i computer possono ora imparare da brevi filmati degli embrioni a fornire indizi non invasivi su quali siano più promettenti. Osservando come gli embrioni si dividono e cambiano fin dall’inizio, l’AI può cogliere informazioni che l’occhio umano e le immagini singole potrebbero perdere. Pur necessitando di ulteriori test in cliniche e gruppi di pazienti più diversi, questo approccio indica una direzione verso trattamenti di FIVET in cui la scelta dell’embrione è più obiettiva, più sicura e meno dipendente dalle biopsie—offrendo una via più delicata per costruire una famiglia.

Citazione: 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

Parole chiave: FIVET, selezione degli embrioni, time-lapse, intelligenza artificiale, test non invasivi