IA para la fertilidad: el método STAR encuentra espermatozoides “invisibles” en hombres con azoospermia

El Columbia University Fertility Center desarrolló STAR, un sistema que combina IA, microfluidos y robótica para rastrear espermatozoides “escondidos” en hombres con azoospermia: ya fue usado en 175 pacientes, encuentra esperma en casi el 30% de los casos y permitió los primeros embarazos tras años de infertilidad.

Durante años, a Penelope y Samuel (nombres ficticios) les dijeron lo que escuchan miles de parejas en el consultorio: él tenía síndrome de Klinefelter, prácticamente sin espermatozoides en el eyaculado, y apenas un 20% de probabilidad de tener un hijo biológico.

Después de dos años y medio de intentos, tratamientos y consultas, la llamada llegó en noviembre de 2025, mientras ella volvía a casa en New Jersey: estaba embarazada. “Su cara fue solo una ola de emoción. Lloró… llegar por fin a ese punto, porque llevó tanto esfuerzo, tiempo e investigación. Y el hecho de que solo tuviéramos un embrión, y funcionó, estábamos en la Luna”, recuerda Penelope.

La clave fue STAR, sigla de Sperm Track and Recovery, una tecnología creada en Columbia para localizar espermatozoides en hombres catalogados como azoospérmicos. “Tenía miedo. Pensé que no iba a poder tener mi propio hijo, que es una parte realmente importante de mi vida”, admite Samuel. “Y fue un gran golpe en la cara”.

Cómo funciona STAR: IA, chips microfluídicos y una sensibilidad del 100%

En los laboratorios de Columbia, la escena se parece más a la astrofísica que a la embriología clásica. Zev Williams, director del Columbia University Fertility Center, se inspiró en cómo los astrónomos usan IA para detectar nuevas estrellas en el cielo a partir de millones de imágenes. “La imagen del cielo era muy parecida a lo que buscamos y vemos en hombres a los que se les dice que no tienen esperma”, cuenta.

El sistema usa chips microfluídicos –canales tan finos como un cabello humano– por donde fluye la muestra. Una cámara de alta velocidad toma unas 300 imágenes por segundo, generando cientos de miles de fotogramas. Un algoritmo de aprendizaje automático, entrenado para reconocer la forma y el movimiento del espermatozoide, analiza las imágenes en tiempo real, filtrando entre restos celulares y detritos.

“Estás tratando de encontrar ese esperma realmente raro en un mar de otros residuos y fragmentos de células”, describe Williams. Según el equipo, STAR alcanza una sensibilidad del 100%: si hay un espermatozoide en la muestra, el sistema lo detecta. “Es simplemente encontrar algo donde antes no podíamos verlo”, resume.

Una vez identificado, un sistema robótico a escala microscópica extrae en milisegundos la fracción mínima de fluido que lo contiene. “La robótica en el chip microfluídico separa esa diminuta parte del fluido que tiene el esperma. Terminás con un tubo lleno de fluido seminal sin espermatozoides, y una gota minúscula que los contiene”, explica Williams. En pruebas comparativas, STAR fue capaz de encontrar hasta 40 veces más espermatozoides que una búsqueda manual realizada por técnicos entrenados.

Sobre una cohorte de 175 pacientes, la tecnología logró detectar esperma en casi el 30% de los casos, en hombres que habían sido informados de que no tenían ninguna posibilidad de usar su propio material genético. El primer bebé nacido con STAR, reportado en The Lancet, fue una nena de una pareja que llevaba casi 20 años de infertilidad.

Del quirófano al chip: el caso de un Klinefelter

El caso de Samuel supuso, además, un desafío extra: en el síndrome de Klinefelter no hay espermatozoides en el eyaculado, de modo que la única chance es extraer tejido directamente del testículo mediante cirugía. Tras nueve meses de terapia hormonal, se sometió a una extracción testicular en otro centro, y el material fue enviado al laboratorio de andrología de Columbia para procesarlo y pasarlo por STAR.

“El tejido de la cirugía fue transportado a nuestro laboratorio de andrología, que lo procesó para poder correrlo a través del sistema STAR”, detalla Eric Forman, director médico y de laboratorio del Columbia University Fertility Center.

En paralelo, Penelope atravesaba la estimulación ovárica y la punción para recuperar óvulos. El reloj corría: en fertilidad, un esperma fresco el mismo día del procedimiento suele dar las mejores chances de fecundación. STAR logró aislar ocho espermatozoides de la muestra de Samuel, que se inyectaron uno a uno en los óvulos mediante ICSI. Uno llegó a blastocisto, un embrión en fase avanzada de desarrollo, y permitió el embarazo que hoy cursa. “Está empezando a sentirse muy real ahora, especialmente porque estoy sintiendo movimiento. Tuvimos el estudio de anatomía y todo se ve tan bien”, cuenta Penelope.

Su hijo, que nacerá a fines de julio, será probablemente el primer varón concebido gracias a STAR. “Por supuesto, ahora estamos siendo codiciosos y queremos otro hijo en el futuro, pero es algo que tendremos que atravesar de nuevo porque no tenemos nada en reserva además de óvulos”, reconoce Samuel. “Pero ahora tenemos esperanza, donde antes no había ninguna”.

IA en reproducción asistida: promesas, costos y cautela regulatoria

La caza de espermatozoides “invisibles” es solo una de las aplicaciones de la IA en medicina reproductiva. En estimulación ovárica, distintos modelos de machine learning ya permiten personalizar la dosis de gonadotropinas para maximizar la cantidad de óvulos maduros y reducir riesgo de síndrome de hiperestimulación ovárica, optimizando uso de medicación y, por extensión, los costos del ciclo de FIV. Deep learning también se usa para evaluar la calidad de gametos y embriones, ayudando a priorizar aquellos con mayor probabilidad de implantar.

Pero no todo es promesa. Especialistas advierten sobre riesgos de sobreventa en un terreno donde la vulnerabilidad emocional y económica de las parejas es alta. “Las parejas que tienen largos recorridos de fertilidad pueden volverse desesperadas por concebir y son vulnerables a que se les vendan tratamientos costosos de valor no probado”, alerta Siobhan Quenby, profesora de obstetricia de la Universidad de Warwick. “Es muy emocionante que la imaginería avanzada, la ingeniería y la IA se hayan combinado para desarrollar una nueva solución para la subfertilidad masculina severa. Un embarazo exitoso es un comienzo importante. Sin embargo, se necesita más investigación con más pacientes antes de poder evaluar plenamente el valor de este nuevo tratamiento”, añade.

En paralelo, crece el debate sobre cómo manejar datos médicos hipersensibles, la confidencialidad y la responsabilidad sobre decisiones tomadas con apoyo algorítmico, temas que reguladores y financiadores seguirán de cerca.

En un mercado global de fertilidad que supera los U$S 25.000 millones anuales y en el que la infertilidad masculina contribuye hasta al 50% de los casos, tecnologías como STAR anticipan una nueva generación de soluciones de nicho, intensivas en datos y hardware, donde la ventaja competitiva dependerá tanto de la validación clínica y regulatoria como de la capacidad de escalar sistemas complejos en centros de reproducción asistida de alta complejidad.