Diseño y desarrollo de una aplicación web para el tratamiento, análisis mediante técnicas de machine learning y visualización de ovocitos.

Abstract

[ES] La evolución de la pirámide poblacional y su proyección futura prevé un problema social y económico a nivel nacional y global. La baja natalidad está relacionada, en gran medida, con el incremento de la infertilidad en la población debido a diferentes factores sociales, ambientales y económicos que afectan a unos 80 millones de personas en todo el mundo. Aunque las tasas de infertilidad oscilan entre el 5% y el 30%, se calcula que una de cada diez parejas sufre problemas de infertilidad. Para hacer frente a este problema, se desarrollaron las Técnicas de Reproducción Asistida (TRA). Un procedimiento típico comienza con la recuperación de múltiples ovocitos de los ovarios de la paciente y la posterior fecundación in vitro (FIV). En este contexto, la congelación de ovocitos es cada vez más frecuente, lo que conduce a la necesidad de optimizar su evaluación. Muchos de estos ovocitos no son capaces de alcanzar un embrión preimplantacional con probabilidades de dar lugar a un recién nacido vivo. Por lo tanto, el desarrollo de una aplicación que permita la representación y visualización de la cohorte de ovocitos y que integre métodos de análisis para la predicción de la calidad ovocitaria se convierte en una herramienta necesaria para la toma de decisiones en una clínica de reproducción asistida. El objetivo de este TFG es el desarrollo de una aplicación web para la visualización y análisis de los parámetros relacionados con la selección de ovocitos para técnicas de reproducción asistida. La aplicación incluirá visualización de datos y análisis mediante dashboards interactivos, integración de APIs para el manejo de datos externos y modelos básicos de deep learning como un perceptrón multicapa para la predicción de la calidad de los ovocitos. Además, se utilizarán tecnologías como Docker para la estrategia de despliegue de la herramienta, asegurando un entorno consistente y escalable. La aplicación desarrollada en este TFG se pretende implantar en la clínica y usarla como parte del flujo diario de trabajo.

[EN] The evolution of the population pyramid and its future projection foresees a social and economic problem at a national and global level. Low birth rates are largely related to the increase in infertility in the population due to different social, environmental and economic factors that affect some 80 million people around the world. Although infertility rates range between 5\% and 30\%, it is estimated that one in ten couples suffer from infertility problems. To address this problem, Assisted Reproduction Techniques (ART) were developed. A typical procedure begins with the retrieval of multiple oocytes from the patient's ovaries and subsequent in vitro fertilization (IVF). In this context, oocyte freezing is becoming more frequent, which leads to the need to optimize its evaluation. Many of these oocytes are not capable of reaching a preimplantation embryo likely to give rise to a live newborn. Therefore, the development of an application that allows the representation and visualization of the oocyte cohort and that integrates analysis methods for the prediction of oocyte quality becomes a necessary tool for decision making in an assisted reproduction clinic. . The objective of this TFG is the development of a web application for the visualization and analysis of the parameters related to the selection of oocytes for assisted reproduction techniques. The application will include data visualization and analysis through interactive dashboards, integration of APIs for managing external data and basic deep learning models such as a multilayer perceptron or a convolutional neural network for predicting oocyte quality. In addition, technologies such as Docker will be used for the tool's deployment strategy, ensuring a consistent and scalable environment. The application developed in this TFG is intended to be implemented in the clinic and used as part of the daily work flow.