La inseminación in vitro (IVF) ha permitido a miles de parejas alrededor del mundo alcanzar el sueño de ser padres en medio de los retos de la infertilidad. Sin embargo, el proceso de identificar el embrión más viable sigue siendo un desafío técnico y científico significativo. Tradicionalmente, este proceso ha dependido de la evaluación subjetiva de las características morfológicas de los embriones mediante observación microscópica, un método laborioso y susceptible a variaciones entre observadores.

En este contexto, un grupo de investigadores de la Universidad de Harvard ha desarrollado un modelo multimodal que promete revolucionar la predicción de viabilidad de los embriones. Este modelo integra datos de videos en time-lapse con registros de salud electrónicos (EHR), ofreciendo una automática y rápida predicción en escala para clínicas de fertilización.

La investigación involucró el análisis de 3,695 ciclos de tratamiento de IVF, de los cuales 1,700 tratamientos incluyeron tanto registros de video como EHR. Se trataron especialmente 24,027 embriones con imágenes capturadas cada 20 minutos durante los primeros cinco días de desarrollo.

El principal desafío fue la integración de datos de dos tipos diferentes de modalidades - video y EHR - para asegurar un entrenamiento equilibrado del modelo sin sesgo hacia una u otra modalidad. Inspirados en modelos previos de aprendizaje profundo, los investigadores exploraron diversas metodologías de integración multimodal para analizar la efectividad del modelo.

Entre las alternativas exploradas, se destaca la introducción de un transformador multimodal que adopta tanto el video en time-lapse como datos de EHR, junto a características morfológicas extraídas mediante métodos tradicionales.

Los resultados de este innovador enfoque no son insignificantes. De los 1,700 tratamientos incluidos en el estudio, 260 resultaron exitosos, arrojando nacimientos vivos a partir de procedimientos de transferencia de embriones responsables.

A pesar de los avances significativos, este campo de investigación continua encontrando desafíos, sobretodo en la capacitación del modelo a gran escala debido a la limitada cantidad de datos de entrenamiento con desenlaces clínicos.

Como conclusión, aunque una solución definitiva aún esté en preparación, el avance presentado en la integración de análisis multimodal representa una gran promesa para optimizar la selección de embriones más saludables para implantación, aumentando así las probabilidades de embarazos exitosos. Este estudio no solo marca un hito en el campo de la reproducción asistida, sino que también abre puertas hacia un futuro donde el proceso de selección de embriones esté respaldado por inteligencia artificial avanzada.