IA en el laboratorio de FIV: qué aportan el seguimiento por imágenes, el PGT y la automatización

Cómo evaluar técnicamente una IA médica

Un sistema de inteligencia artificial aprende a partir de datos y genera una predicción, una clasificación o un orden para una finalidad definida. En la evaluación embrionaria puede ser, por ejemplo, una puntuación que reúne características del desarrollo observadas en imágenes. Esa puntuación no es una ley natural ni neutral: su utilidad depende de los datos de entrenamiento, el método de medición, el laboratorio y la población para la que se diseñó.

La Organización Mundial de la Salud describe un ciclo completo de evaluación para los productos sanitarios basados en IA: entrenamiento, validación, evaluación y vigilancia después de su implantación. No basta con saber cómo rindió un modelo en un estudio; también hay que comprobar si se validó de forma independiente y si funciona en las condiciones reales de uso. El marco de la OMS para productos sanitarios basados en IA explica este enfoque.

• Finalidad: ¿Qué decisión concreta debe apoyar el sistema?
• Datos: ¿Para qué poblaciones y condiciones de laboratorio se desarrolló y probó?
• Comparación: ¿Su rendimiento se comprobó con datos independientes de los usados para entrenarlo?
• Supervisión humana: ¿Quién revisa la puntuación y cuándo puede apartarse de ella el equipo?
• Funcionamiento: ¿Cómo se detectan las actualizaciones problemáticas, los errores o una pérdida de rendimiento?

Una gran precisión técnica no responde por sí sola a la pregunta clínica. Pregunta siempre qué resultado se midió: coincidencia con el criterio de embriólogos, implantación, embarazo clínico o nacimiento vivo.

Seguimiento por imágenes e IA para evaluar embriones

Los incubadores con seguimiento por imágenes toman fotografías a intervalos cortos durante el desarrollo embrionario. Así, el equipo de laboratorio puede seguir la evolución sin sacar los embriones de la incubadora para cada control. Algunos sistemas añaden algoritmos que puntúan u ordenan los embriones a partir de la secuencia de imágenes.

Las posibles ventajas para la documentación y el trabajo del laboratorio deben valorarse por separado del éxito del tratamiento. En su evaluación actual, la autoridad británica HFEA concluye que el seguimiento por imágenes, con evaluación manual o automatizada, no mejora la probabilidad de tener un bebé para la mayoría de las personas. Al mismo tiempo, reconoce que permite una observación continua y puede ofrecer ventajas prácticas en el laboratorio. Los detalles y los estudios evaluados están en la información de la HFEA sobre seguimiento por imágenes.

Esto no significa que el sistema sea inútil. Significa que una clínica no debería prometer mejores resultados cuando no existen pruebas sólidas. Algunas preguntas útiles son:

• ¿Se usa el sistema para incubar, documentar, seleccionar o para varias tareas?
• ¿Qué decisión modifica realmente la puntuación?
• ¿Cómo se comprobó el modelo en el propio laboratorio?
• ¿Tiene un coste adicional y qué beneficio demostrado lo justifica?

Si primero quieres entender las etapas del tratamiento, consulta las guías sobre FIV, ICSI e IIU.

Automatización en el laboratorio de FIV: menos llamativa, a menudo más importante

Un laboratorio moderno es mucho más que incubadoras y microscopios. Su infraestructura técnica también incluye controles de identidad, sensores, rutas de alarma, registros de mantenimiento, derechos de acceso, copias de seguridad y autorizaciones documentadas. Estos sistemas ayudan a mantener bajo control los pasos críticos y a evitar confusiones o fallos que podrían pasar inadvertidos.

Las recomendaciones de ESHRE para laboratorios de FIV, revisadas en 2026, abarcan la gestión de la calidad, la identificación de pacientes, la trazabilidad de gametos y embriones, la criopreservación y los procedimientos de emergencia. Ahí se encuentra una parte importante de la verdadera innovación técnica: no en un único aparato espectacular, sino en un sistema que sigue siendo trazable cuando hay presión, cambios de personal o un fallo técnico.

• Trazabilidad: ¿Quedan registrados sin ambigüedad la muestra, cada paso, la persona responsable y el momento?
• Alarmas: ¿A quién se avisa si cambia la temperatura o falla un equipo?
• Resiliencia: ¿Hay equipos de sustitución, copias de seguridad y procedimientos de emergencia ensayados?
• Control de cambios: ¿Se comprueba que el proceso sigue estable después de actualizar el programa o introducir nuevos consumibles?
• Auditoría: ¿Es posible reconstruir después una desviación y usarla para mejorar el sistema?

Los controles electrónicos no sustituyen a profesionales cualificados. Una buena tecnología deja clara la responsabilidad y apoya al equipo; no traslada las decisiones a una caja negra.

PGT-M, PGT-A y pruebas no invasivas: siglas parecidas, objetivos distintos

En las pruebas genéticas de embriones, la finalidad exacta es decisiva. El PGT-M busca una enfermedad monogénica concreta ya conocida en una familia. El PGT-A, en cambio, comprueba si el número de cromosomas parece anómalo en las células analizadas. Son procedimientos que responden a preguntas diferentes y no se pueden intercambiar.

El PGT-A es un método de selección, no una garantía de embarazo ni de un bebé sano. La evaluación actual de la HFEA sobre PGT-A distingue expresamente entre resultados: para la mayoría de las personas no aumenta automáticamente la probabilidad de tener un bebé, aunque en determinados análisis puede reducir el riesgo de aborto espontáneo. La edad, la situación inicial, el número de embriones y el objetivo elegido cambian el balance.

El PGT no invasivo analiza rastros genéticos del líquido de cultivo en vez de extraer células mediante una biopsia embrionaria convencional. La idea resulta atractiva, pero todavía no es una alternativa equivalente para el uso rutinario. Las recomendaciones de ESHRE sobre tratamientos complementarios no aconsejan actualmente el PGT no invasivo para la práctica clínica habitual.

Que una prueba genética sea útil desde el punto de vista médico y esté permitida depende de su objetivo, de la situación individual y de las normas locales. Antes de decidir, pide que te expliquen qué se analiza, cómo aborda el equipo los resultados inciertos o en mosaico y qué implicaría cada posible resultado. La guía sobre diagnóstico genético preimplantacional explica los términos con más detalle.

Un tratamiento complementario no es automáticamente una innovación

Los tratamientos complementarios suelen promocionarse con un mecanismo plausible: una prueba mide más datos, un medio pretende favorecer la implantación o un algoritmo promete mejorar la selección. Un mecanismo plausible es un punto de partida, pero no demuestra un beneficio relevante para las personas tratadas.

ESHRE ha evaluado estos complementos en el diagnóstico, los procedimientos de laboratorio y las aplicaciones clínicas de la medicina reproductiva. Sus recomendaciones muestran que la evidencia varía mucho entre procedimientos. La guía de la HFEA sobre tratamientos complementarios también analiza resultados y grupos concretos, no la palabra «innovación» como reclamo comercial. Sus valoraciones no son normas de autorización mundial, pero resumen de forma transparente la evidencia revisada.

Conviene situar cada oferta en una categoría clara:

• Rutina: el procedimiento forma parte de un proceso establecido y tiene una finalidad definida.
• Complemento: se ofrece además del tratamiento habitual, pero su beneficio adicional puede ser limitado o estar demostrado solo para ciertos grupos.
• Investigación: todavía se estudian su seguridad, exactitud o utilidad clínica.

Expresiones como «con IA», «personalizado» o «de nueva generación» no indican por sí solas a qué categoría pertenece un servicio.

Robótica y pasos de laboratorio totalmente automatizados: prometedores, pero no autónomos

Se investigan y perfeccionan la ICSI automatizada, la preparación robotizada de placas de cultivo y los métodos automáticos para congelar gametos o embriones. En 2026, un comité científico de la HFEA dedicó una línea de su trabajo sobre evidencia a la IA, la robótica y la automatización en reproducción asistida. Los documentos de la reunión del comité muestran la variedad de aplicaciones analizadas.

Que una tecnología aparezca en estudios o debates profesionales no demuestra una ventaja clínica. Para cada paso automatizado hay que plantear las mismas preguntas: ¿está clara su finalidad?, ¿se comparó con un método adecuado?, ¿qué ocurre en un caso límite o ante un fallo?, ¿solo acelera el proceso o mejora un resultado relevante para las personas?

Atención digital: ¿una buena interfaz o un buen proceso?

Los portales para pacientes, los planes de medicación, la gestión de citas y los mensajes seguros pueden reducir problemas organizativos. Sin embargo, el beneficio no procede solo de la aplicación. Depende de que detrás de la interfaz funcionen las responsabilidades, los tiempos de respuesta y las vías para escalar una incidencia.

• ¿Qué información muestra la aplicación y qué decisiones no deberías tomar solo a partir de ella?
• ¿Quién responde las dudas médicas y en cuánto tiempo?
• ¿Cómo puedes contactar con el equipo si aparecen síntomas urgentes o fuera del horario habitual?
• ¿Qué datos se recogen, para qué se usan y con quién se comparten?
• ¿Puedes descargar, corregir o pedir que se eliminen tus datos?

Una interfaz digital es útil cuando hace visible y accesible un buen proceso asistencial. No puede arreglar la falta de responsables.

Dispositivos portátiles y pruebas de LH: una ventana temporal, no un diagnóstico

Los dispositivos portátiles y las aplicaciones del ciclo pueden recoger datos sobre temperatura, sueño y otras tendencias. Estos patrones pueden ayudar con el momento adecuado, pero no explican de forma fiable por qué no se ha producido un embarazo. Una prueba de LH en orina tampoco mide la ovulación en sí: detecta el aumento de la hormona luteinizante que suele aparecer entre uno y un día y medio antes. La información de la FDA sobre pruebas de ovulación diferencia claramente esta predicción de una evaluación general de la fertilidad.

Para situarlo en la práctica, consulta las guías sobre ovulación, pruebas de LH y la comparación de dispositivos para seguir la ovulación.

Lista de comprobación: ocho preguntas para una clínica o un proveedor

1. ¿Qué problema concreto pretende resolver la tecnología?
2. ¿El objetivo es mejorar el proceso, afinar la selección o lograr un resultado terapéutico mejor?
3. ¿Qué resultado se midió realmente en los estudios?
4. ¿A qué grupos de pacientes y condiciones de laboratorio se aplican los datos?
5. ¿Cómo se comprobó el sistema en el centro y cómo se vigila su rendimiento?
6. ¿Quién conserva la responsabilidad si una persona y el programa llegan a conclusiones distintas?
7. ¿Qué riesgos, posibles errores y alternativas existen?
8. ¿Qué coste adicional supone y qué beneficio demostrado lo justifica?

Una buena respuesta no tiene que sonar técnica. Debe ser lo bastante concreta para que entiendas la finalidad, los límites y las consecuencias.

Conclusión

La innovación más sólida de un laboratorio de FIV no tiene por qué ser el algoritmo más llamativo. Los controles de identidad fiables, los equipos estables, los datos trazables y las responsabilidades claras suelen aportar más valor técnico. La IA, el seguimiento por imágenes y el análisis genético pueden complementar estos sistemas, pero solo un resultado adecuado permite saber si también mejoran el tratamiento.

Este artículo analiza la tecnología desde la perspectiva del desarrollo de programas y productos. No sustituye el asesoramiento médico o genético individual. Si un complemento puede influir en tu plan de tratamiento, en la selección de embriones o en otra decisión importante, pide a un equipo cualificado que te explique sus beneficios, límites y alternativas.