Procesamiento automático en la predicción de la motilidad del espermática
En este estudio de Noruega sugiere que el procesamiento de las muestras de Semen (Espermatobioscopia Directa) en un futuro será casi de manera Automatizada, pero aún no se realiza del todo a pesar que haya muchos software Casa de los más modernos que hay, por mencionar uno de los más conocidos tienen un margen de error de casi un 10% comparado con un humano que lo hace de manera manual en el laboratorio de andorología. Este procesamiento automático se obtiene a través de la comprensión de imágenes. Michael Riegler, un joven embajador de ESHRE y miembro del grupo de investigación de Oslo, muestra que los métodos avanzados de aprendizaje automático para analizar videos de muestras de semen pueden ser una herramienta útil en la investigación de la infertilidad masculina. (1)propone una perspectiva diferente para comprenderlo.
En la reunión anual de ESHRE de este año, hubo varias presentaciones sobre el tema del aprendizaje automático (inteligencia artificial) y los resultados reproductivos. Aunque prometedor, la mayor parte de la investigación actual en reproducción humana está, desde el punto de vista está todavía en pañales.
El análisis manual de semen es fundamental para la investigación de la infertilidad masculina, pero lleva mucho tiempo y requiere una amplia capacitación para obtener resultados reproducibles. El análisis automático comenzó en la década de 1980, pero fue muy desafiante debido a factores como otro tipos de células o partículas que no podían ser distinguidas.
Este estudio analizó videos microscópicos de muestras de semen de 85 participantes y datos relacionados con el paciente y se limitó a la información obtenida como la edad, el índice de masa corporal (IMC) y días de abstinencia sexual.
El objetivo era determinar si la inclusión de estos datos personales podría ayudar a la predicción del porcentaje de motilidad espermática progresiva y no progresiva y de espermatozoides inmóviles.
Los resultados indicaron que los algoritmos de aprendizaje profundo seleccionados no perdieron ni ganaron poder predictivo, incluso cuando se incluyó la concentración de esperma en el análisis, en contraste con los sistemas de análisis de esperma asistidos por computadora (CASA) en los que se sabe que la concentración es una variable cofundadora. Además, descubrimos que incorporar el tiempo desde la recolección hasta el análisis, que inevitablemente influye en la motilidad del esperma, representa una ventaja importante sobre todos los métodos clásicos de aprendizaje automático. El mejor método superó a la línea base (motilidad promedio del conjunto de datos como predicción, también llamada modelo nulo o línea base ZeroR) en un error absoluto promedio promedio de 4.20% para la predicción de la motilidad. Es importante destacar que nuestro método fue capaz de realizar la predicción en cinco minutos, incluida la preparación de la muestra, en contraste con el extenso análisis manual.
Este trabajo evaluó los algoritmos de aprendizaje automatizados por lo que debe realizarse con cuidado, ya que los puntajes métricos de evaluación altos a menudo no son un indicador de un algoritmo adecuado y que funcione bien. La validación cruzada es un enfoque de datos eficientes para evitar esto y debe incluirse en cada análisis de este tipo de métodos.
Las investigaciones futuras debería explorar si los datos adicionales de los participantes, como los ácidos grasos, la genómica o el nivel de actividad, podrían usarse y cómo deberían combinarse en el análisis multimodal para aumentar el poder predictivo.
Finalmente, vale la pena mencionar que este método permite a otros reproducir estos resultados y realizar otros análisis sobre este tema. (4)
En general, los resultados indican que abren una amplia gama de posibilidades dentro del campo de la reproducción humana. Además, la calidad y la minuciosidad de la evaluación de estos métodos deben ser consideradas con un alto nivel por toda la comunidad médica. (5)
Aún sigues sin hacerte tu estudio de Espermatobioscopia ¿? Para cuando sabrás en que condiciones te encuentras ¡¡¡ estás seguro que eres fértil, te puede cambiar la vida el saber como estás. Visitanos para una consulta de valoración por Biología de la Reproducción Humana
- Hicks SA, Andersen JM, Witczak O, y col. Análisis basado en aprendizaje automático de videos de esperma y datos de participantes para la predicción de la fertilidad masculina. Nature Sci Rep 2019; 9, 16770. doi: 10.1038 / s41598-019-53217-y 2.
- Riegler MA, Andersen JM, Hammer HL, y col . La inteligencia artificial como herramienta para predecir la movilidad y la morfología de los espermatozoides. Hum Reprod 2019; 34: supl. 1, P-116.
- Witczak O, Andersen JM, Hicks SA, y col. La inteligencia artificial predice la motilidad de los espermatozoides a partir de los ácidos grasos de los espermatozoides. Hum Reprod 2019; 34: supl. 1, P-120.
- Haugen TB, Hicks SA, Andersen JM, et al. VISEM: un conjunto de datos de video multimodal de espermatozoides humanos. En Actas de la 10a Conferencia de Sistemas Multimedia ACM 2019: pp 261-266).
- Topol EJ. Medicina de alto rendimiento: la convergencia de la inteligencia humana y artificial. Nat Med 2019; 25: 44-56.
- Contenido Informativo sin fines de lucro.