Η εξωσωματική γονιμοποίηση είναι μία δαπανηρή διαδικασία. Πόσο μάλλον όταν μία γυναίκα χρειαστεί αρκετές προσπάθειες μέχρι να επιτύχει το επιθυμητό αποτέλεσμα.
Η AIVF, μια εταιρεία τεχνολογίας αναπαραγωγής με έδρα το Τελ Αβίβ στο Ισραήλ, στοχεύει να βελτιώσει τις πιθανότητες. Το λογισμικό αξιολόγησης εμβρύων που λειτουργεί με τεχνητή νοημοσύνη και ονομάζεται EMA, έχει σχεδιαστεί για να επεξεργάζεται τεράστιες ποσότητες δεδομένων - πέρα από αυτό που μπορεί να ανιχνεύσει το ανθρώπινο μάτι - για να απλοποιήσει τη διαδικασία επιλογής εμβρύου.
«Η εξωσωματική γονιμοποίηση είναι μια από τις πιο σημαντικές ιατρικές εξελίξεις τα τελευταία 50 χρόνια, αλλά δεν είναι αρκετά καλή», δήλωσε στο Fox News Digital η Daniella Gilboa, εμβρυολόγος που είναι συνιδρύτρια και διευθύνουσα σύμβουλος της AIVF. «Τα ποσοστά επιτυχίας είναι περίπου 23% έως 25% σε όλες τις ηλικιακές ομάδες, πράγμα που σημαίνει ότι μόνο μία στις πέντε διαδικασίες εμφύτευσης οδηγεί σε εγκυμοσύνη» πρόσθεσε.
Μία από τις μεγαλύτερες προκλήσεις είναι ότι οι κλινικές εξωσωματικής γονιμοποίησης δεν μπορούν να συμβαδίσουν με την αυξανόμενη ζήτηση, είπε η Gilboa. «Περισσότερες γυναίκες καταψύχουν τα ωάρια τους για να μπορέσουν να καθυστερήσουν την εγκυμοσύνη και να επικεντρωθούν στην καριέρα τους, πράγμα που σημαίνει ότι η ζήτηση για εξωσωματική γονιμοποίηση αυξάνεται – αλλά η προσφορά είναι περιορισμένη», είπε.
Τα έμβρυα στο εργαστηριακό περιβάλλον
Ένα από τα πιο κρίσιμα σημεία απόφασης κατά τη διαδικασία της εξωσωματικής γονιμοποίησης είναι η επιλογή εμβρύου, εξήγησε η Gilboa. Παραδοσιακά, οι κλινικοί γιατροί έχουν επιφορτιστεί να κάνουν αυτή την επιλογή μόνοι τους. «Φανταστείτε να είστε εμβρυολόγος, κοιτάζοντας πολλά έμβρυα σε ένα εργαστηριακό περιβάλλον και να πρέπει να αποφασίσετε ποιο έχει τις καλύτερες προοπτικές να γίνει μωρό», είπε. «Μπορεί να έχετε οκτώ, 10 ή 12 έμβρυα που όλα φαίνονται ίδια και πρέπει να πάρετε αυτή την κρίσιμη απόφαση, μερικές φορές μόνοι σας. Βασικά είστε εσείς και τα έμβρυα στο μικροσκόπιο» υπογράμμισε.
Με το λογισμικό EMA της AIVF, ένα μοντέλο τεχνητής νοημοσύνης βοηθά τον κλινικό ιατρό αξιολογώντας τα έμβρυα και εφαρμόζοντας τον προηγμένο αλγόριθμό του για τον προσδιορισμό των καλύτερων «υποψηφίων» για μια επιτυχημένη εγκυμοσύνη. «Η τεχνητή νοημοσύνη έχει εκπαιδευτεί για να ανιχνεύει εμβρυϊκά χαρακτηριστικά που σχετίζονται με διαφορετικά αποτελέσματα - όπως γενετικές ανωμαλίες ή το φύλο - που δεν μπορούν να φανούν με το ανθρώπινο μάτι», είπε η Gilboa. Κάθε έμβρυο παίρνει μια αριθμητική βαθμολογία. Ο κλινικός ιατρός μπορεί στη συνέχεια να λάβει την τελική απόφαση.
Χωρίς την τεχνητή νοημοσύνη, είπε η Gilboa, οι κλινικοί γιατροί θα έπρεπε να βασίζονται στην εμφάνιση του εμβρύου για να προσδιορίσουν την ποιότητά του - «αλλά αυτό βασίζεται σε υποκειμενική ανθρώπινη ανάλυση που δεν ποσοτικοποιεί πραγματικά τις πραγματικές πιθανότητες να μείνει μία γυναίκα έγκυος», πρόσθεσε.
Η τεχνητή νοημοσύνη επιτρέπει στον γιατρό να μειώσει τις αβεβαιότητες και να παράγει σαφείς, ακριβείς πληροφορίες. Η τεχνητή νοημοσύνη είναι επίσης πολύ πιο γρήγορη, αξιολογώντας τα έμβρυα σε ένα κλάσμα του χρόνου που χρειάζεται ένας άνθρωπος, τόνισε η ειδικός, πράγμα που σημαίνει ότι οι κλινικές μπορούν να δουν περισσότερους ασθενείς και να καλύψουν περισσότερη ζήτηση.
Το λογισμικό τεχνητής νοημοσύνης του EMA εκπαιδεύτηκε σε τεράστιους αριθμούς βίντεο time-lapse εμβρύων υπό ανάπτυξη, μαθαίνοντας ποια από αυτά είχαν θετικά αποτελέσματα και ποια δεν είχαν πιθανότητες να επιβιώσουν.
