El estado metabólico de la gestante con diabetes pregestacional determina el crecimiento intrauterino fetal por lo que, en modelos experimentales, los estudios morfométricos en el feto permiten predecir su crecimiento. El empleo del procesamiento digital de imágenes facilita la realización de numerosas mediciones que resultan complicadas de determinar “in vivo”. Debido a la experiencia del equipo de trabajo en el estudio experimental de la diabetes mellitus, a las limitaciones encontradas en los estudios morfométricos tradicionales y a la necesidad de cumplir con los principios de las 3R de la experimentación animal (Refinamiento, Reducción y Reemplazo), se propuso como objetivo: Aplicar técnicas de procesamiento de imágenes e inteligencia artificial en un modelo animal de diabetes para la optimización de estudios morfométricos fetales. En un estudio experimental de diabetes pregestacional realizado en ratas Wistar se tomaron imágenes de fetos (descendientes de ratas sanas y diabéticas) mediante técnicas de fotografía profesional. Se realizó un análisis de morfometría tradicional utilizando el software ImageJ. Además, se utilizaron algoritmos de aprendizaje no supervisado (K-Means) y supervisado, para obtener una silueta aproximada de la forma fetal. Una vez completada la segmentación en todas las imágenes del conjunto de datos se podrá re-entrenar el modelo para mejorar la exactitud de la segmentación, automatizar las mediciones aportando eficiencia y precisión, identificar diferencias o patrones distintivos de cada grupo y relacionar con las variables metabólicas de la rata gestada. Este enfoque interdisciplinario podrá contribuir a la predicción de trastornos del crecimiento intrauterino a partir del estado metabólico materno en la diabetes pregestacional experimental.