De la regresión estadística a la inteligencia artificial explicable: un enfoque sinérgico para predecir el rendimiento de embriones euploides basado en la edad materna, la AMH y un sistema visual de apoyo a la decisión Autores: Theodora Armeanu (Popescu) - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi; Clinical Hospital of Obstetrics and Gynecology “Cuza Voda”, Iasi; Origyn Fertility Center, Iasi (RO) Dan Popescu - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi (RO) Radu Maftei - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi (RO) Roxana Diaconu - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi (RO) Daniela Ivona Tomita - Apollonia University, Iasi (RO) Bogdan Novac - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi (RO) Otilia Novac - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi (RO) Bogdan Doroftei - University of Medicine and Pharmacy “Grigore T. Popa”, Iasi; Clinical Hospital of Obstetrics and Gynecology “Cuza Voda”, Iasi; Origyn Fertility Center, Iasi (RO) Resumen Antecedentes: Predecir el número de embriones euploides es fundamental para optimizar los resultados de la fecundación in vitro (FIV) y gestionar las expectativas de las pacientes. Aunque la edad materna y la hormona antimülleriana (AMH) son marcadores establecidos de la reserva ovárica, su poder predictivo combinado respecto a la normalidad cromosómica sigue siendo objeto de debate clínico. La inteligencia artificial se está explorando cada vez más en reproducción asistida como un enfoque no invasivo y basado en datos para estimar la ploidía embrionaria. Mediante el uso de modelos avanzados, como redes neuronales convolucionales (CNN) y algoritmos de aprendizaje automático, para evaluar características morfológicas y morfocinéticas a partir de secuencias time-lapse, la IA contribuye a mejorar la precisión y la objetividad de la selección embrionaria. Objetivo: Este estudio evaluó la asociación estadística entre la edad materna, los niveles de AMH y los métodos de fecundación (IVF, ICSI, IMSI) con el rendimiento de embriones euploides. Un objetivo secundario fue traducir estos hallazgos clínicos en un sistema visual de apoyo a la decisión (DSS) basado en un marco de inteligencia artificial explicable (XAI). Métodos: Se realizó un estudio observacional retrospectivo en 31 pacientes sometidas a FIV con PGT-A. La significación estadística se evaluó mediante ANOVA de una vía y regresión lineal múltiple. A partir de estos datos, se desarrolló un sistema especializado de apoyo a la decisión utilizando React 19 y TypeScript, que empleó un modelo de probabilidad binomial para traducir biomarcadores clínicos en simulaciones intuitivas de éxito. Resultados: Las pacientes menores de 35 años presentaron niveles significativamente más altos de AMH (p = 0,033) y un mayor número medio de embriones euploides (p = 0,032) en comparación con las mayores de 35 años. El método de fecundación no influyó significativamente en los resultados de euploidía (p = 0,990). El modelo de regresión fue estadísticamente significativo (p = 0,030) y explicó el 22,1 % de la varianza. Sin embargo, ninguno de los predictores individuales alcanzó significación estadística, lo que sugiere que el efecto observado puede estar impulsado por la contribución combinada de las variables más que por efectos independientes. El DSS resultante operacionaliza estos hallazgos de manera preliminar mediante modelado de attrition en tiempo real y visualizaciones de “coste de oportunidad”. Conclusión: La edad materna puede representar un factor importante en la euploidía embrionaria, mientras que la AMH proporciona una base cuantitativa para el rendimiento embrionario. Al combinar datos retrospectivos con inteligencia artificial explicable, el marco desarrollado ofrece un enfoque transparente y basado en datos para el asesoramiento en fertilidad. Este estudio indica que la integración del análisis estadístico con un sistema visual de apoyo a la decisión permite reducir eficazmente la brecha entre los datos clínicos brutos y la práctica centrada en la paciente, facilitando una toma de decisiones más objetiva en la fecundación in vitro. El desarrollo de un sistema conceptual de apoyo a la decisión basado en estos hallazgos constituyó un objetivo secundario del trabajo y fue explorado en este estudio.