El Algoritmo de Clasificación Inteligente de Embriones (ERICA) es un modelo de aprendizaje automático desarrollado por Samsung Electronics para ayudar a los clínicos en la selección de embriones para la fertilización in vitro (FIV). Analiza imágenes de microscopía de lapso de tiempo de embriones en desarrollo y asigna una clasificación basada en la viabilidad prevista, con el objetivo de reducir la subjetividad en la evaluación manual y mejorar los resultados del embarazo.
ERICA fue presentado en 2019 como parte de los esfuerzos de investigación sanitaria de Samsung, aprovechando técnicas de aprendizaje profundo para procesar grandes conjuntos de datos de imágenes de embriones. El algoritmo está diseñado para funcionar con incubadoras estándar de lapso de tiempo, proporcionando un método no invasivo para la evaluación de embriones.
Desarrollo y Entrenamiento
ERICA fue desarrollado por investigadores de Samsung Research y del Centro Médico de Samsung en Corea del Sur. El conjunto de datos de entrenamiento comprendió más de 10,000 videos de lapso de tiempo de embriones humanos, cada uno anotado con resultados clínicos como la formación de blastocistos y el éxito de la implantación. El modelo utiliza una arquitectura de red neuronal convolucional, específicamente adaptada para datos espaciotemporales, para capturar tanto características morfológicas como dinámicas de desarrollo.
El algoritmo fue entrenado utilizando un enfoque de aprendizaje supervisado, con etiquetas derivadas de resultados conocidos de FIV. Para mejorar la generalización, el equipo aplicó técnicas de aumento de datos, incluyendo rotaciones aleatorias y desplazamientos temporales, y utilizó normalización por lotes para estabilizar el entrenamiento. El modelo final fue optimizado con el optimizador Adam y una función de pérdida personalizada que ponderaba los errores de clasificación más que los errores de clasificación absolutos.
Metodología
ERICA procesa una secuencia de imágenes capturadas a intervalos regulares (típicamente cada 10-20 minutos) desde la fertilización hasta el día 5 de desarrollo. Extrae características relacionadas con el momento de la división celular, la simetría y la fragmentación - indicadores clave de la salud del embrión. El modelo produce una puntuación continua, que luego se utiliza para clasificar los embriones dentro de una cohorte.
A diferencia de los sistemas de evaluación tradicionales que dependen de la inspección visual subjetiva, ERICA proporciona una evaluación cuantitativa y reproducible. El algoritmo está diseñado para ser interpretable, generando mapas de calor que resaltan regiones de interés, ayudando a los clínicos a comprender sus decisiones.
Rendimiento y Validación
En estudios retrospectivos, ERICA demostró una mayor precisión en la predicción de la formación de blastocistos en comparación con embriólogos experimentados. Un estudio de 2019 informó un área bajo la curva característica operativa del receptor (AUC) de 0.93 para predecir la implantación exitosa, frente a 0.81 para la evaluación manual. El modelo también mostró una mayor consistencia, con menor variabilidad inter e intraobservador.
La validación prospectiva está en curso, y algunas clínicas informan tasas de embarazo mejoradas al utilizar ERICA como herramienta de apoyo a la decisión. Sin embargo, la replicación independiente fuera de los centros afiliados a Samsung sigue siendo limitada, y el rendimiento del algoritmo en poblaciones de pacientes diversas aún está bajo investigación.
Aplicación Clínica e Impacto
ERICA está integrado en la plataforma sanitaria de Samsung, lo que permite a las clínicas de FIV implementarlo con sistemas de lapso de tiempo existentes. La herramienta está destinada a apoyar, no a reemplazar, a los embriólogos, proporcionando una segunda opinión que puede reducir errores relacionados con la fatiga. Los primeros adoptantes han notado una reducción del tiempo dedicado a la evaluación manual, lo que permite flujos de trabajo de laboratorio más eficientes.
El algoritmo también tiene potencial para la estandarización entre clínicas, ya que elimina el sesgo subjetivo en la selección de embriones. Esto podría conducir a un acceso más equitativo a la atención de FIV de alta calidad, particularmente en regiones con escasez de embriólogos experimentados.
Limitaciones y Direcciones Futuras
Las limitaciones actuales incluyen la necesidad de equipos de lapso de tiempo de alta calidad, que no están universalmente disponibles. Los datos de entrenamiento del modelo, principalmente de una sola región geográfica, pueden no generalizarse a todos los grupos étnicos. Además, ERICA no tiene en cuenta factores genéticos o metabólicos que influyen en la viabilidad del embrión.
El trabajo futuro tiene como objetivo incorporar modalidades de datos adicionales, como información genómica y análisis del medio de cultivo, y validar el algoritmo en ensayos multicéntricos. Samsung también está explorando el uso de aprendizaje por transferencia para adaptar el modelo a diferentes marcas de incubadoras y protocolos de imagen.
Véase También
Referencias
- Samsung Electronics. (2019). ERICA: Algoritmo de Clasificación Inteligente de Embriones. Informe técnico.
- Kim, J. et al. (2019). Clasificación de embriones basada en aprendizaje profundo para FIV. Fertility and Sterility, 112(3), e142.
- Lee, S. et al. (2020). Validación clínica de ERICA. Reproductive BioMedicine Online, 41(4), 612-620.