Μελέτη βρίσκει αυτόματο σύστημα αξιολόγησης εμβρύων ακριβέστερο από αυτό των εμβρυολόγων
Εγκυμοσύνη Εξωσωματική γονιμοποίηση

Μελέτη βρίσκει αυτόματο σύστημα αξιολόγησης εμβρύων ακριβέστερο από αυτό των εμβρυολόγων

Η ποιότητα των εμβρύων θεωρείται από καιρό ως ο κύριος καθοριστικός παράγοντας της εμφύτευσης και της εγκυμοσύνης στην εξωσωματική γονιμοποίηση. Η μορφολογία – μια οπτική εκτίμηση του σχήματος και της εξέλιξης του εμβρύου – από τις πρώτες ημέρες της εξωσωματικής γονιμοποίησης ήταν το κλειδί για τη μέτρηση αυτής της ποιότητας εμβρύου και μόνο τα τελευταία χρόνια έχει γίνει αυτή η μορφολογική ταξινόμηση κάπως πιο επιστημονική με την εισαγωγή απεικόνισης χρονικού διαστήματος (time-lapse imaging). Ωστόσο, παραμένει το ζήτημα ότι πολλά μορφολογικά “καλής ποιότητας” έμβρυα στην εξωσωματική γονιμοποίηση – μεταξύ 30 και 60% σε διάφορες μελέτες – αποτυγχάνουν να εμφυτεύονται στη μήτρα και να προκύπτει εγκυμοσύνη. Τι συμβαίνει;

Υπάρχει μια μεγάλη πιθανότητα να φέρουν κάποια ευθύνη οι χρωμοσωμικές ανωμαλίες στο έμβρυο, οι οποίες δεν είναι ανιχνεύσιμες από τη μορφολογική εκτίμηση. Μελέτες επί σειρά ετών επιβεβαίωσαν ότι ο ρυθμός χρωμοσωμικών ανωμαλιών (ανευπλοειδίας) στα έμβρυα αυξάνεται με την ηλικία του ασθενούς, γεγονός που μπορεί να εξηγήσει υψηλότερο ποσοστό αποτυχίας εμφύτευσης και αποβολή σε μεγαλύτερους ασθενείς με εξωσωματική γονιμοποίηση. Αλλά ακόμη και με τον έλεγχο εμβρύων για χρωμοσωμικές ανωμαλίες, τα έμβρυα που προορίζονται για μεταφορά εξακολουθούν να αξιολογούνται μορφολογικά.

“Το ζήτημα είναι ότι η μορφολογική ταξινόμηση από τον άνθρωπο οδηγεί σε διακυμάνσεις μεταξύ των διαφόρων παραγόντων”, δήλωσε ο καθηγητής José Celso Rocha από το κρατικό πανεπιστήμιο του Σάο Πάολο της Βραζιλίας. Η μελέτη του υποστηρίζει ότι αυτές οι μακρόχρονες δυσκολίες μπορεί τώρα να βελτιωθούν με τη χρήση της αναπτυσσόμενης τεχνητής νοημοσύνης. Έτσι, μπορούν να χρησιμοποιηθούν μαθηματικές μεταβλητές που προέρχονται από εικόνες κατά τη διάρκεια της ανάπτυξης εμβρύου, έτσι ώστε ένας αλγόριθμος να μπορεί να ταξινομεί αυτόματα τις εικόνες αυτές – και έτσι να αποκλείει την ανθρώπινη μεταβλητή από το κρίσιμο έργο της μορφολογικής αξιολόγησης. “Η αυτόματη ταξινόμηση των εικόνων θα αυξήσει την προβλεπτική αξία της αξιολόγησης του εμβρύου μας”, δήλωσε ο καθηγητής Rocha. “Με την αύξηση της αντικειμενικότητας και της επαναληψιμότητας στην αξιολόγηση των εμβρύων μπορούμε να βελτιώσουμε την ακρίβεια της διάγνωσης της βιωσιμότητας του εμβρύου. Οι κλινικές μπορούν να χρησιμοποιήσουν αυτές τις πληροφορίες ως «τεχνητή νοημοσύνη» για να προσαρμόσουν στρατηγικές θεραπείας και να προβλέψουν καλύτερα την πιθανότητα εγκυμοσύνης ενός ασθενούς».

Πίσω από τους ισχυρισμούς αυτούς βρίσκεται και μια ανάλυση των εικόνων που λήφθηκαν από την ανάπτυξη 482 εμβρύων ηλικίας επτά ημερών, τα οποία χρησιμοποιήθηκαν για την «εκπαίδευση» του συστήματος τεχνητής νοημοσύνης. Η ανάλυση αυτή εντόπισε 36 μεταβλητές αξιολόγησης, 24 από τις οποίες σχημάτισαν την αρχιτεκτονική του τεχνητού δικτύου. Ήταν αξιοσημείωτο ότι κατά τη διάρκεια αυτής της αρχικής φάσης ρύθμισης παρατηρήθηκαν “σοβαρά σφάλματα” μόνο στο 6% των αξιολογήσεων. Συνολικά, το σύστημα τεχνητής νοημοσύνης είχε ακρίβεια 76%.

Επιπλέον, λέει ο καθηγητής Rocha, η τεχνητή νοημοσύνη έδειξε μια βελτιωμένη διαφορά μεταξύ των χειριστών και βελτιωμένη συνοχή και συνολική ακρίβεια των αποτελεσμάτων.

Ο καθηγητής Rocha σημειώνει ότι αυτή η εργασία έχει πλέον προχωρήσει στα αρχικά στάδια ανάπτυξης των ανθρώπινων εμβρύων, η οποία διεξάγεται στο κρατικό πανεπιστήμιο του Σάο Πάολο (Dr Marcelo Nogueira) σε συνεργασία με την Κλινική της Βοστώνης στο Λονδίνο (Dr Cristina Hickman) .

Ο καθηγητής Rocha αποδίδει τις κύριες πηγές σφαλμάτων στη μορφολογική εκτίμηση από τους εμβρυολόγους στο βαθμό της επαγγελματικής τους εμπειρίας, το συναισθηματικό στρες, τη σωματική κόπωση και την εργαστηριακή ρουτίνα. “Αυτά τα χαρακτηριστικά προσδίδουν υποκειμενικότητα στην ταξινόμηση του εμβρύου”, είπε.

Ωστόσο, επειδή το σύστημα τεχνητής νοημοσύνης είναι μια τεχνική που αναλύει το έμβρυο μέσω μαθηματικών μεταβλητών, προσφέρει χαμηλή υποκειμενικότητα και υψηλή επαναληψιμότητα, καθιστώντας έτσι την ταξινόμηση του εμβρύου πιο συνεκτική. “Εντούτοις,” δήλωσε ο καθηγητής Rocha, “το σύστημα τεχνητής νοημοσύνης πρέπει να βασίζεται στη μάθηση από τους ανθρώπους – δηλαδή, τους έμπειρους εμβρυολόγους που καθορίζουν τα πρότυπα αξιολόγησης για την κατάρτιση του συστήματος”.

Περιέγραψε τη μορφολογία ως μια «βασική παράμετρο» στην εκτίμηση της υγείας ενός εμβρύου, της οποίας η προβλεπτική ακρίβεια μπορεί να βελτιωθεί ακόμα περισσότερο με την προσθήκη άλλων τεχνικών αξιολόγησης, όπως η προεμφυτευτική γενετική εξέταση. Ο καθηγητής Rocha δήλωσε ότι “εάν τα πράγματα πάνε καλά”, η εκτίμηση εμβρύων με τεχνητή νοημοσύνη θα μπορούσε να είναι έτοιμη για κλινική χρήση “μέσα σε ένα χρόνο” – τουλάχιστον ως ελεγχόμενη και δοκιμαστική μέθοδος. Σε ποιο βαθμό θα βελτιώσει την ταξινόμηση των εμβρύων – και κατά συνέπεια το αποτέλεσμα στην εξωσωματική γονιμοποίηση (IVF) – θα εξαρτηθεί από το πόσο λεπτομερώς «εκπαιδεύεται» το σύστημα και πόσο ευρεία είναι η δειγματοληψία των εμβρυϊκών εικόνων σε αυτή την εκπαίδευση. Ωστόσο, για ένα πραγματικό όφελος από τα ποσοστά γεννητικότητας της εξωσωματικής γονιμοποίησης, ο καθηγητής Rocha είπε ότι η τεχνητή νοημοσύνη για το έμβρυο θα χρειαζόταν την συμπληρωματική υποστήριξη της τεχνητής νοημοσύνης για τον ασθενή.