Με περίπου 70% ακρίβεια, ένας αλγόριθμος τεχνητής νοημοσύνης μπορεί να βοηθήσει στον προσδιορισμό του αν ο αριθμός των χρωμοσωμάτων σε ένα έμβρυο που έχει γονιμοποιηθεί in vitro είναι φυσιολογικός ή μη φυσιολογικός.

Ένα εργαλείο τεχνητής νοημοσύνης (AI) αναπτύχθηκε από ερευνητές που μπορεί να αναγνωρίσει in vitro γονιμοποιημένα έμβρυα με ανευπλοειδία ή μη φυσιολογικό αριθμό χρωμοσωμάτων, με ακρίβεια περίπου 70% μέσω μη επεμβατικών μέσων.
Αυτή η νέα τεχνολογία, σε συνδυασμό με την τεχνογνωσία του Κέντρου Γονιμότητας Κρήτης και την 30ετή εμπειρία του Δρ Ματθαίου Φραϊδάκη στον τομέα της ανθρώπινης υποβοηθούμενης αναπαραγωγής, εγγυώνται υψηλά ποσοστά επιτυχίας στην εξωσωματική γονιμοποίηση.

Η επίδραση της ανευπλοειδίας στην εξωσωματική γονιμοποίηση

Σύμφωνα με το δελτίο τύπου, ένας σημαντικός παράγοντας που επηρεάζει εάν ένα έμβρυο που δημιουργήθηκε μέσω εξωσωματικής γονιμοποίησης (IVF) θα εμφυτευθεί ή θα οδηγήσει σε μια επιτυχημένη εγκυμοσύνη είναι η ανευπλοειδία. Ο γενετικός έλεγχος και η εξαγωγή κυττάρων που μοιάζει με βιοψία από ένα έμβρυο είναι οι τρέχουσες μέθοδοι για την ανίχνευση της πάθησης. Αυτές οι διαδικασίες είναι επεμβατικές και δαπανηρές για όσους υποβάλλονται σε εξωσωματική γονιμοποίηση.

Αλγόριθμος AI για Πρόβλεψη Ανευπλοειδίας

Οι ερευνητές ξεκίνησαν να δημιουργήσουν έναν αλγόριθμο AI που θα μπορούσε να βοηθήσει στην πρόβλεψη της ανευπλοειδίας αποφεύγοντας τους περιορισμούς των συμβατικών τεχνικών δοκιμών για την αντιμετώπιση αυτών των προβλημάτων. Σύμφωνα με μια πρόσφατα δημοσιευμένη μελέτη, το εργαλείο τους, το STORK-A, το επιτυγχάνει αυτό αξιολογώντας εικόνες μικροσκοπίου του εμβρύου, δεδομένα σχετικά με την ηλικία της μητέρας και τη βαθμολογία της κλινικής εξωσωματικής γονιμοποίησης για την εμφάνιση του εμβρύου.

Σύμφωνα με τον ανώτερο συγγραφέα της μελέτης, «στόχος μας είναι τελικά να είμαστε σε θέση να προβλέψουμε την ανευπλοειδία με εντελώς μη επεμβατικό τρόπο, χρησιμοποιώντας τεχνικές τεχνητής νοημοσύνης και όρασης υπολογιστή».

Η Διαδικασία Ανάπτυξης

Η προηγούμενη εργασία των ερευνητών σε αυτό το πεδίο επεκτείνεται από τον νέο αλγόριθμο. Η ερευνητική ομάδα δημιούργησε το STORK το 2019, μια μέθοδο AI που θα μπορούσε να αξιολογήσει την ποιότητα των εμβρύων στο ίδιο επίπεδο με το προσωπικό που εργάζεται σε κλινικές εξωσωματικής γονιμοποίησης.

Πως δουλεύει

Ο προεμφυτευτικός γενετικός έλεγχος για ανευπλοειδία (PGT-A) είναι μια μέθοδος βιοψίας που χρησιμοποιείται για τη λήψη πληροφοριών σχετικά με τα χρωμοσώματα ενός εμβρύου. Το STORK-A βασίζεται σε αυτό χρησιμοποιώντας εικόνες μικροσκοπίου εμβρύων που τραβήχτηκαν πέντε ημέρες μετά τη γονιμοποίηση, τη βαθμολογία του προσωπικού της κλινικής για την ποιότητα του εμβρύου, την ηλικία της μητέρας και άλλες πληροφορίες που συνήθως συλλέγονται ως μέρος της διαδικασίας εξωσωματικής γονιμοποίησης για τη βελτίωση της χρήσης του PGT-A.

Απόδοση και Εκπαίδευση

Σύμφωνα με το δελτίο τύπου, το STORK-A μπορεί να γίνει ένα βιώσιμο εργαλείο για τον προσδιορισμό του ποια έμβρυα πρέπει να υποβληθούν σε δοκιμή PGT-A ή εάν θα καταργηθεί πλήρως το PGT-A συνδυάζοντας αυτά τα νέα δεδομένα και την τεχνητή νοημοσύνη.

Για την εκπαίδευση του αλγόριθμου χρησιμοποιήθηκε ένα σύνολο δεδομένων 10.378 βλαστοκύστεων των οποίων η κατάσταση πλοειδίας ήταν ήδη γνωστή. Στη συνέχεια, αξιολογήθηκε η ακρίβειά του στη διάκριση μεταξύ ευπλοειδών και «ευπλοειδών» εμβρύων με φυσιολογικά χρωμοσώματα. Το STORK-A έδειξε 69,3 τοις εκατό ακρίβεια για αυτήν την εργασία.

Επιπλέον, οι ερευνητές ανακάλυψαν ότι η ακρίβεια του εργαλείου στην πρόβλεψη σύνθετης ανευπλοειδίας -μια μορφή ανευπλοειδίας που περιλαμβάνει πολλαπλά χρωμοσώματα- σε αντίθεση με την ευπλοειδία ήταν 77,6%.

Σύμφωνα με το δελτίο τύπου, η μελέτη προσφέρει πειραματική προσέγγιση απόδειξη της ιδέας.

Μελλοντικές προβλέψεις και ο ρόλος του στην υγειονομική περίθαλψη

Αυτή είναι μόνο μια ακόμη εξαιρετική απεικόνιση του πώς η τεχνητή νοημοσύνη μπορεί να αλλάξει την υγειονομική περίθαλψη. Σύμφωνα με το δελτίο τύπου από τον συν-συγγραφέα της μελέτης, «Ο αλγόριθμος μετατρέπει δεκάδες χιλιάδες εικόνες εμβρύων σε μοντέλα τεχνητής νοημοσύνης που μπορούν τελικά να χρησιμοποιηθούν για να βοηθήσουν στη βελτίωση της αποτελεσματικότητας της εξωσωματικής γονιμοποίησης και στον περαιτέρω εκδημοκρατισμό της πρόσβασης μειώνοντας το κόστος».

Στο μέλλον, οι ερευνητές ελπίζουν να επεκτείνουν αυτό το έργο δημιουργώντας αλγόριθμους που έχουν εκπαιδευτεί σε φιλμ ανάπτυξης εμβρύων. Χρησιμοποιώντας τόσο χωρικές όσο και χρονικές πληροφορίες, αυτοί οι αλγόριθμοι μπορεί να είναι σε θέση να προσδιορίσουν την ανευπλοειδία με ακόμη μεγαλύτερη ακρίβεια.

«Πιστεύουμε ότι τελικά, με αυτήν την τεχνολογία, μπορούμε να μειώσουμε την ποσότητα των εμβρύων που χρειάζονται βιοψία, να μειώσουμε τα έξοδα και να προσφέρουμε ένα πολύ καλό εργαλείο για τη συμβουλή ασθενών όταν πρέπει να πάρουν [μια] απόφαση σχετικά με την πραγματοποίηση PGT. -Α ή όχι», ανέφερε στο δελτίο τύπου ο αναπληρωτής καθηγητής εμβρυολογίας στην κλινική μαιευτική και γυναικολογία.

Συμπέρασμα

Αυτή είναι η πιο πρόσφατη προσπάθεια χρήσης της τεχνητής νοημοσύνης για την ενίσχυση της εξωσωματικής γονιμοποίησης. Το 2020 επιδείχθηκε από ερευνητές ένα σύστημα βαθιάς μάθησης που μπορούσε να επιλέξει, με ακρίβεια 90%, τα έμβρυα καλύτερης ποιότητας για εξωσωματική γονιμοποίηση από ένα σύνολο δεδομένων εικόνων που λήφθηκαν από 742 έμβρυα 113 ώρες μετά τη γονιμοποίηση.

Η απόδοση του εργαλείου ήταν επίσης σε αντίθεση με εκείνη των δεκαπέντε εμβρυολόγων από πέντε κέντρα γονιμότητας των ΗΠΑ. Στην αξιολόγηση, το μοντέλο έδειξε ακρίβεια περίπου 75%, ενώ οι εμβρυολόγοι έδειξαν μια μέση ακρίβεια 67%.