En este artículo, Albert Parra y colaboradores han utilizado, en un estudio muy bien desarrollado, métodos de inteligencia artificial (IA) combinado con un tipo de microscopía llamada hiperespectral (es decir, que generan imágenes con mucha más resolución que otro tipo de microscopía), para conocer la calidad de ovocitos y embriones de ratón desde el punto de vista metabólico, sin causarles daño. El modelo, llamado METAPHOR, analiza cientos de imágenes que contienen información de muchos metabolitos de los embriones y ovocitos en pocos minutos. Los resultados han demostrado diferencias en la calidad de los ovocitos en función de la edad, y los autores proponen que puede ser de gran interés en áreas como la preservación de la fertilidad y la medicina reproductiva personalizada. 

Sin embargo, como el equipo de Ojosnegros [otro de los autores] admite, los experimentos se realizaron con un número limitado de muestras en un modelo animal y será necesaria más investigación para comprender la capacidad de correlacionar la clasificación de METAPHOR con la capacidad de implantación. Actualmente, los investigadores están perfeccionando la tecnología para evaluar embriones humanos y han creado una empresa derivada para llevar la tecnología a las clínicas de reproducción asistida en los próximos años. 

En reproducción asistida existen múltiples casos en los que la IA podría ayudar a mejorar la capacidad de predecir nacidos vivos, como la selección de gametos y embriones y el desarrollo de medicinas de fertilidad personalizadas. Aunque el equipo que ha desarrollado METAPHOR demuestra que se puede utilizar para obtener información metabólica de embriones y ovocitos vivos, sin causar daño, hay trabajos publicados que ya han realizado este análisis en humanos. Recientemente, en un trabajo publicado por Sakkas y cols., en el que, de una forma bastante similar han evaluado imágenes metabólicas de embriones humanos de 120 parejas por medio de microscopía de imágenes de fluorescencia, no lograron encontrar una relación entre el patrón de metabolismo de los embriones que conducen a embarazo en comparación con aquellos que no lo hicieron. 

Los estudios con ovocitos y embriones que permitan su selección y clasificación son prometedores y avanzan cada vez con más rapidez. Es posible que el trabajo de Parra no tarde en aplicarse en humanos, pero se necesitan más estudios para conocer su verdadera aplicación en la selección embrionaria y aumento de las tasas de nacido vivo. En conjunto, el campo generalizado y de rápido crecimiento de la IA representa una oportunidad poderosa y emocionante para el campo de la biología reproductiva y la industria de la FIV [fecundación in vitro]. 

Este estudio de Parra y sus compañeros proporciona una validación inicial muy interesante del uso de la microscopía hiperespectral, un método para evaluar el nivel de moléculas autofluorescentes en células vivas, para la determinación de la viabilidad en ovocitos y embriones.  

El estudio se lleva a cabo en ratones y sirve como prueba de principio de que, en efecto, esta tecnología puede diferenciar correctamente entre embriones con distintos perfiles metabólicos, preludio para identificar los que tienen más posibilidades de implantarse y dar lugar a un embarazo viable. Además, los autores han demostrado de forma convincente que la tecnología puede distinguir qué ovocito tiene posibilidades de convertirse en embrión, una característica que podría ser de gran interés si se trasladara a nuestra especie.   

Cada año, decenas de miles de mujeres conservan sus ovocitos para un uso futuro; poder saber de forma no invasiva cuántos de ellos acabarán convirtiéndose en un embrión proporcionaría un asesoramiento y una tranquilidad muy necesarios, ya que estas mujeres podrían decidir, por ejemplo, añadir más ovocitos a su reserva o detenerse en la cantidad que ya tienen.  

Este trabajo se esperaba con cierta expectación en la comunidad científica especializada; el campo de la reproducción asistida lleva décadas luchando por encontrar un método no invasivo para clasificar embriones –analizando desde el medio de cultivo gastado hasta vídeos time-lapse de embriones en desarrollo y recurriendo al uso de inteligencia artificial en el proceso–. 

Los recientes intentos de utilizar moléculas autofluorescentes para clasificar embriones humanos en función de su capacidad de dar lugar a un embarazo viable con una tecnología afín denominada FLIM, aunque tuvieron un éxito parcial, no alcanzaron el nivel de utilidad clínica esperado.  

Parece que la microscopía hiperespectral, gracias a su capacidad para leer varias señales al mismo tiempo e interpolarlas en un complejo retrato metabólico del embrión, puede proporcionar una mayor granularidad analítica y el nivel de precisión y sensibilidad que se necesita para demostrar su utilidad clínica.