← Volver a noticias
Inteligencia artificial

Predicción del riesgo de aborto espontáneo en mujeres con síndrome de ovario poliquístico que logran un embarazo clínico tras transferencia de embriones frescos

5 de noviembre de 20262 min de lecturaPor RADAR AI GLOBALFuente: PubMed/NLM – IA clínica
IA y MedicinaDiagnóstico
Predicción del riesgo de aborto espontáneo en mujeres con síndrome de ovario poliquístico que logran un embarazo clínico tras transferencia de embriones frescos

Resumen ejecutivo

Un estudio multicéntrico ha desarrollado y validado un modelo de aprendizaje automático para predecir el riesgo de aborto espontáneo en mujeres con síndrome de ovario poliquístico (PCOS) que logran un embarazo clínico tras fertilización in vitro (IVF) o inyección intracitoplasmática de espermatozoides (ICSI).

Compartir

WhatsAppLinkedInXCorreo

Qué problema aborda

Las mujeres con síndrome de ovario poliquístico (PCOS) que logran un embarazo clínico tras un ciclo de fertilización in vitro (IVF) o inyección intracitoplasmática de espermatozoides (ICSI) presentan un riesgo elevado de aborto espontáneo. Sin embargo, la estratificación del riesgo individualizada tras la confirmación del embarazo clínico y antes de la determinación del resultado sigue siendo un desafío en la práctica clínica.

Qué hicieron los autores

Los autores llevaron a cabo un estudio multicéntrico que incluyó 8911 ciclos de IVF/ICSI con embarazo clínico, divididos en cohortes de desarrollo, validación externa y validación temporal prospectiva. Se compararon 13 algoritmos de aprendizaje automático y estadísticos tradicionales, utilizando un modelo prebloqueado de Extreme Gradient Boosting (XGBoost) para la validación externa y temporal. El rendimiento del modelo se evaluó mediante diversas métricas, incluyendo la discriminación y la calibración.

Qué encontraron

Las tasas de aborto espontáneo fueron del 13.4% en la cohorte de desarrollo, 12.5% en la validación externa y 12.4% en la validación temporal prospectiva. El modelo XGBoost mostró un área bajo la curva (AUC) de 0.885 en la cohorte de desarrollo, con un rendimiento disminuido en las cohortes de validación, donde alcanzó un AUC de 0.787 y 0.763, respectivamente. Los principales predictores identificados fueron la hormona antimülleriana, el grosor endometrial y la hormona luteinizante basal.

Limitaciones

El modelo XGBoost, aunque útil para la estratificación del riesgo, presenta limitaciones en su capacidad de discriminación y calibración entre cohortes, lo que sugiere que debe ser utilizado solamente como una herramienta de clasificación de riesgo y no para diagnóstico o selección de tratamiento. Además, se requiere un monitoreo local de la calibración antes de su implementación clínica en el mundo real.

Lectura final

Este estudio proporciona una herramienta prometedora para la estratificación del riesgo de aborto espontáneo en mujeres con PCOS que logran un embarazo clínico tras IVF/ICSI. Sin embargo, es fundamental considerar las limitaciones del modelo y la necesidad de validación continua antes de su aplicación clínica. La investigación en este campo es crucial para mejorar el manejo y asesoramiento de estas pacientes, contribuyendo a mejores resultados reproductivos.

Sigue leyendo

Lectura clínica

  • Evidencia preclínica
  • Etapa preclínica

Información editorial dirigida a profesionales de la salud. No sustituye la evaluación clínica, las guías vigentes ni el juicio médico.

Clasificación editorial automática

Fuente original

PubMed/NLM – IA clínica

También en el radar

¿Quieres más contexto?

Cada semana seleccionamos las señales de IA que importan, con foco en medicina.

Únete a la lista de RADAR

Te avisaremos cuando publiquemos el primer boletín y recibirás una selección breve de las señales de IA que realmente importan.