IA para seleccionar a los mejores espermatozoides: así es la nueva tecnología de la UNAM
Machine Learnin es un avance de la inteligencia artificial (IA) en donde permite escoger a los mejores espermatozoides para la fertilización
Un grupo de investigadores de la Facultad de Estudios Superiores (FES) Iztacala de la UNAM presentó un proyecto que utiliza Inteligencia Artificial (IA) y machine learning para mejorar la identificación y análisis de espermatozoides, con aplicaciones en fertilidad humana, medicina reproductiva y producción animal.
¿Cómo funciona la tecnología de la UNAM para analizar espermatozoides?
El equipo del Laboratorio de Gametos y Desarrollo Tecnológico explicó que actualmente la evaluación de espermatozoides depende en gran medida de la interpretación humana, lo que puede generar resultados variables. Para resolver esta limitación, los científicos desarrollan herramientas de IA capaces de examinar la cantidad, forma, movilidad y vitalidad de las células reproductivas con mayor precisión.
“Este es el primer paso para saber si un animal tiene la potencialidad de fertilizar y sus células lleguen hasta donde se encuentra el óvulo en el tracto reproductor femenino, tanto en humanos como en animales de importancia alimentaria como porcinos, bovinos y caprinos”, señaló uno de los investigadores del proyecto.
Lee | Cómo matar cucarachas con métodos caseros: guía práctica y económica
Evaluación tradicional y parámetros de la OMS
El método convencional para medir la calidad del semen es la espermatobioscopía, que se centra en la movilidad de los espermatozoides. Según la Organización Mundial de la Salud (OMS), entre el 55 y 60 por ciento de las células deben mostrar movimiento para que se consideren dentro de parámetros normales.
No obstante, los especialistas de la UNAM advierten que este criterio no garantiza la fertilización, ya que el factor clave es la manera en que los espermatozoides se mueven, más que su cantidad.
Ventajas del uso de Inteligencia Artificial en la fertilidad
La aplicación de machine learning en este campo aporta beneficios importantes:
- • Mayor precisión: reduce errores humanos al identificar espermatozoides sanos.
- • Rapidez: procesa imágenes microscópicas en segundos, acelerando los análisis.
- • Mejor tasa de éxito: permite seleccionar espermatozoides de mayor calidad, lo que puede incrementar los resultados en técnicas de fertilización in vitro (FIV) y otros procedimientos de reproducción asistida.
Lee | Luis Videgaray se asocia con yerno de Trump en empresa de IA: ¿En qué consiste Brain Co?
Tecnologías aplicadas en la identificación de espermatozoides
Entre los sistemas más innovadores se encuentran:
- • SpermSearch: algoritmo de IA diseñado para localizar espermatozoides en muestras de tejido testicular, más eficiente que la evaluación manual.
- • Análisis de imágenes: herramientas que detectan patrones de movimiento y características celulares, con lo que determinan la viabilidad del esperma.
Aplicaciones clínicas y reproductivas
El proyecto de la UNAM abre posibilidades para el diagnóstico de azoospermia no obstructiva (NOA), una condición en la que no se detectan espermatozoides en el semen. Asimismo, mejora los procedimientos de fertilización in vitro, al facilitar la selección de células con mayor potencial reproductivo.
Además, esta tecnología puede aplicarse en animales de importancia económica, como ganado porcino, bovino y caprino, favoreciendo la productividad en la industria alimentaria.
El reto de identificar espermatozoides capacitados
En fertilidad humana, los espermatozoides deben pasar por un proceso conocido como capacitación, que ocurre en el tracto reproductor femenino. Este paso es esencial para que las células puedan fecundar al óvulo.
El académico a cargo del proyecto, doctor Aragón, explicó que en técnicas de fertilización asistida los espermatozoides se capacitan en condiciones de laboratorio, pero solo entre el 25 y 30 por ciento logra completar el proceso.
“No hay nada en el mundo que nos indique cuándo un espermatozoide está capacitado. Los investigadores lo hacen de manera visual o aplicando filtros a sus bases de datos, de acuerdo a ciertos parámetros de movilidad. Pero no hay nada objetivo que lo indique”, detalló.
Los métodos desarrollados en la FES Iztacala buscan superar esa limitación mediante patrones de nado observados por IA, lo que permitiría identificar de manera más confiable qué células están listas para fertilizar.
AM3
