Ο κρίσιμος ρόλος της AI στην υποβοηθούμενη αναπαραγωγή

07:22 11/4/2025 - Πηγή: Τα Νεα

Σήμερα – τόσο στην Ελλάδα όσο και στην Ευρώπη – οι γυναίκες αποφασίζουν να αποκτήσουν παιδιά σε μεγαλύτερες ηλικίες από ό,τι τα παλαιότερα χρόνια.

Ως συνεπακόλουθο όμως αυξάνονται και τα προβλήματα γονιμότητας, δυναμιτίζοντας τις προσπάθειες των ζευγαριών όταν αποφασίσουν πως ήρθε η κατάλληλη στιγμή για τη δημιουργία οικογένειας.

Υπό τα δεδομένα αυτά, η επιστημονική κοινότητα αναζητεί νέα «εργαλεία» για την αντιμετώπιση του σύγχρονου αυτού προβλήματος,

στρέφοντας μεταξύ άλλων το βλέμμα της στις δυνατότητες που ανοίγει η Τεχνητή Νοημοσύνη (AI).

Αναλυτικότερα και όπως σημειώνει ο αναπληρωτής καθηγητής Μαιευτικής-Γυναικολογίας ΕΚΠΑ, πρόεδρος της ΕΛΕΙΥΑ, Θέμης Μαντζαβίνος, «ενώ ο προσδόκιμος χρόνος επιβίωσης για τις γυναίκες τα τελευταία 100 χρόνια από 55-60 έφθασε τα 80-90, ο αναπαραγωγικός χρόνος παραμένει ο ίδιος, με αποτέλεσμα από την ηλικία των 40 ετών και άνω να υπάρχουν προβλήματα στη γονιμότητα».

Και συνεχίζει: «Στον κρίσιμο τομέα της υποβοηθούμενης αναπαραγωγής, οι κλινικοί γιατροί και το εργαστηριακό προσωπικό λαμβάνουν υπόψη τα χαρακτηριστικά των ασθενών, τις προηγούμενες θεραπευτικές αποκρίσεις και τη συνεχή παρακολούθηση για τη λήψη θεραπευτικών αποφάσεων. Ωστόσο, η αξιολόγηση αυτών των παραγόντων είναι σύνθετη και συχνά εξαρτάται από τον εκάστοτε επαγγελματία και την εμπειρία που διαθέτει».

Ως επακόλουθο, κάθε άλλο παρά τυχαίο είναι ότι ένα από τα κύρια θέματα που απασχόλησε πρόσφατα το Spring Fertility Forum 2025, που πραγματοποιήθηκε στην Αθήνα σε συνεργασία της Ελληνικής Εταιρείας Ιατρών Υποβοηθούμενης Αναπαραγωγής και της COGI, ήταν η AI και η θέση που έχει στη διαχείριση, την ανάλυση και την επεξεργασία μεγάλων και δυναμικών δεδομένων που συλλέγονται κατά τη διάρκεια ενός κύκλου υποβοηθούμενης αναπαραγωγής.

«Σήμερα ερευνάται – και ήδη έχουν προκύψει σημαντικά αποτελέσματα – για το πώς η AI μπορεί να συμβάλει στη βελτιστοποίηση και εξατομίκευση σημαντικών διαδικασιών, όπως η επιλογή και δοσολογία φαρμάκων, η παρακολούθηση του κύκλου, η ωρίμανση των ωαρίων και η επιλογή των καταλληλότερων γαμετών και εμβρύων, με στόχο τη βελτίωση της αποτελεσματικότητας και της ασφάλειας της διαδικασίας», εξηγεί ο Θέμης Μαντζαβίνος. Και έπειτα στο κείμενο που ακολουθεί και έχει επιμεληθεί ο ίδιος, αναλύει τον ρόλο της Τεχνητής Νοημοσύνης στο νευραλγικό αυτό πεδίο.

Ερευνητικά άλματα. Από τη γέννηση του πρώτου παιδιού μέσω εξωσωματικής γονιμοποίησης το 1978, η τεχνολογία υποβοηθούμενης αναπαραγωγής (ART) έχει σημειώσει σημαντική πρόοδο. Μέσα σε τέσσερις δεκαετίες, έχει προσφέρει τη δυνατότητα τεκνοποίησης σε υπογόνιμα ζευγάρια, οδηγώντας στη γέννηση περισσότερων από οκτώ εκατομμυρίων παιδιών παγκοσμίως.

Η εφαρμογή της AI στην εξωσωματική γονιμοποίηση έχει φέρει επανάσταση στη διαδικασία επιλογής ωαρίων, εμβρύων και σπερματοζωαρίων, βελτιώνοντας τις πιθανότητες εγκυμοσύνης.

Οι διαδικασίες είναι περίπλοκες και απαιτούν συνεχή παρακολούθηση, με τους κλινικούς γιατρούς και τους εμβρυολόγους να λαμβάνουν κρίσιμες αποφάσεις πριν και κατά τη διάρκεια του κύκλου. Πιο συγκεκριμένα, οι τομείς στους οποίους παίζει αποφασιστικό ρόλο η AI είναι:

Επιλογή ωαρίων

Η AI αναλύει μορφολογικά και γενετικά χαρακτηριστικά των ωαρίων χρησιμοποιώντας τεχνικές όπως:

n Μορφομετρική ανάλυση. Ανίχνευση μικροσκοπικών ανωμαλιών στο κυτταρόπλασμα και τη ζώνη διαφάνειας.

n Time-lapse imaging. Συνεχής παρακολούθηση επί 24ώρου βάσεως της εξέλιξης των ωαρίων για να επιλεγούν τα κατάλληλα για γονιμοποίηση.

Επιλογή εμβρύων

Η AI χρησιμοποιεί αλγόριθμους βαθμολόγησης εμβρύων βελτιώνοντας την εκλογή του καταλληλότερου για εμβρυομεταφορά.

n Ανάλυση Time-lapse. Παρακολουθεί την ανάπτυξη των εμβρύων και προβλέπει ποια έχουν υψηλότερη πιθανότητα εμφύτευσης.

n Deep learning ή image recognition. Ανιχνεύει ποιοτικά χαρακτηριστικά στα έμβρυα που μπορεί να μην είναι ορατά στο ανθρώπινο μάτι.

n Γενετική ανάλυση χωρίς βιοψία. Νέα συστήματα AI εκτιμούν τη χρωμοσωμική υγεία των εμβρύων χωρίς επεμβατικές βιοψίες (non-invasive PGT)

Επιλογή σπερματοζωαρίων

n Κινητικότητα και μορφολογία. Χρήση αλγορίθμων για την αναγνώριση των πιο υγιών σπερματοζωαρίων.

n DNA fragmentation analysis. Ανάλυση θραυσματοποίησης DNA για την επιλογή γενετικά  άθικτων σπερματοζωαρίων.

n Σύστημα AI-ICSI.

Αυτόματη επιλογή. Οι παραπάνω μέθοδοι στοχεύουν στη διευκόλυνση πιο αντικειμενικών, κατάλληλων και βέλτιστων αποφάσεων, που θα μπορούσαν να οδηγήσουν σε βελτιωμένα αποτελέσματα. Η AI έχει επιτρέψει σε ερευνητές από διάφορους επιστημονικούς κλάδους να προτείνουν νέες μεθοδολογίες, όπως αλγορίθμους δοσολογίας φαρμάκων και συστήματα υποστήριξης κλινικών αποφάσεων (CDSS) για την επιλογή εμβρύων. Σε αυτά τα συστήματα, η τελική απόφαση λαμβάνεται από τον άνθρωπο, με τη βοήθεια της AI. Ο συνδυασμός της κλινικής εμπειρίας με τις εξατομικευμένες προτάσεις της AI, που βασίζονται σε εκατομμύρια κύκλους ART που πραγματοποιούνται κάθε χρόνο, μπορεί να οδηγήσει σε σημαντική βελτίωση των κλινικών αποτελεσμάτων.