Ο μαιευτήρας – γυναικολόγος και ειδικός στην ιατρικώς υποβοηθούμενη αναπαραγωγή, Δρ. Κωνσταντίνος Δημητρόπουλος, δίνει απαντήσεις σε βασικά ερωτήματα αναφορικά με τον ρόλο της τεχνητής νοημοσύνης στην σύγχρονη αναπαραγωγική ιατρική.
Που εφαρμόζεται σήμερα η τεχνητή νοημοσύνη στο πλαίσιο της Ιατρικώς Υποβοηθούμενης Αναπαραγωγής;
Η τεχνητή νοημοσύνη και η μηχανική μάθηση βρίσκουν εφαρμογή σήμερα στην επιλογή των εμβρύων ξεχωρίζοντας τα έμβρυα καλύτερης ποιότητας και υψηλότερου δυναμικού ανάπτυξης και εμφύτευσης. Συμβατικά, η επιλογή αυτή πραγματοποιείται με παρατήρηση των εμβρύων στο μικροσκόπιο, όπου ελέγχονται συγκεκριμένα χαρακτηριστικά που σχετίζονται κυρίως με την μορφολογία τους, όπως είναι ο αριθμός, το σχήμα και η αρχιτεκτονική των κυττάρων.
Παρά το γεγονός πως τα μορφολογικά κριτήρια μπορούν να δώσουν σημαντικές πληροφορίες, η αξιολόγησή τους παρουσιάζει σημαντικές δυσκολίες, οι οποίες σχετίζονται κυρίως με την υποκειμενικότητα της παρατήρησης του “ανθρώπινου οφθαλμού”. Αυτό πρακτικά σημαίνει πως είναι δυνατόν το ίδιο έμβρυο να αξιολογηθεί διαφορετικά από δύο έμπειρους εμβρυολόγους.
Τα συστήματα τεχνητής νοημοσύνης δίνουν την δυνατότητα συλλογής περισσότερων δεδομένων και πιο αντικειμενικής αξιολόγησης της εμβρυϊκής ποιότητας.
Ποια είναι τα δεδομένα που χρησιμοποιούν τα συστήματα τεχνητής νοημοσύνης για την αξιολόγηση της ποιότητας των εμβρύων;
Τα δεδομένα που συλλέγονται από τα συστήματα τεχνητής νοημοσύνης αφορούν κυρίως μορφολογικά χαρακτηριστικά των εμβρύων και στοιχεία της “συμπεριφοράς” ή αλλιώς της “κινητικότητας” που παρουσιάζουν κατά την αναπτυξιακή τους πορεία, από την γονιμοποίηση έως και την εμβρυομεταφορά. Επιπρόσθετα, αξιολογούνται δεδομένα που σχετίζονται με τον ρυθμό ανάπτυξης των εμβρύων, δηλαδή δεδομένα που αφορούν τον χρόνο μετάβασης από το ένα αναπτυξιακό στάδιο στο επόμενο.
Όπως γίνεται αντιληπτό, η συλλογή των δεδομένων αυτών απαιτεί συνεχή παρακολούθηση των εμβρύων, καθ’ όλη τη διάρκεια της ανάπτυξής τους. Η συνεχής παρακολούθηση της εμβρυϊκής ανάπτυξης και άρα η χρήση των συστημάτων τεχνητής νοημοσύνης δεν θα ήταν εφικτή, εάν πρώτα δεν είχαν αναπτυχθεί τα εξελιγμένα συστήματα καλλιέργειας εμβρύων “time-lapse”.
Σε τι διαφέρει ένα σύστημα καλλιέργειας “time-lapse” από τα συμβατικά συστήματα καλλιέργειας εμβρύων και ποια τα πλεονεκτήματα που προσφέρει;
Ο βασικός εξοπλισμός των συστημάτων καλλιέργειας εμβρύων “time-lapse” απαρτίζεται από ειδικούς κλιβάνους καλλιέργειας που επιτρέπουν τη συνεχή και αδιάκοπη καλλιέργεια των εμβρύων σε σταθερές συνθήκες και από ένα σύστημα μικροσκοπίας υψηλής ανάλυσης το οποίο είναι ενσωματωμένο στο εσωτερικό των κλιβάνων.
Στο πλαίσιο αυτό τα έμβρυα καλλιεργούνται μεμονωμένα εντός του κλιβάνου και το σύστημα μικροσκοπίας “φωτογραφίζει” ανά τακτά χρονικά διαστήματα το κάθε έμβρυο ξεχωριστά, αποτυπώνοντας στιγμιότυπα της ανάπτυξής του. Το σύστημα ενώνει τις φωτογραφικές αυτές λήψεις με αυτόματο τρόπο, δημιουργώντας ένα time-lapse video, στο οποίο αποτυπώνεται η συνολική αναπτυξιακή πορεία και τα χαρακτηριστικά των εμβρύων, σε πραγματικό χρόνο.
Τα συστήματα “time-lapse” παρέχουν δηλαδή στοιχεία που αφορούν τόσο τα μορφολογικά χαρακτηριστικά των εμβρύων, όσο και την κινητικότητα που αυτά παρουσιάζουν κατά τη διάρκεια της ανάπτυξής τους. Ως εκ τούτου υπερέχουν σε σύγκριση με τις συμβατικές μεθόδους αξιολόγησης, που μας παρέχουν μεμονωμένες και στατικές πληροφορίες κατά την ανάπτυξη των εμβρύων.
Πέραν αυτού, και σε αντίθεση με τους συμβατικούς κλιβάνους καλλιέργειας που δεν διαθέτουν σύστημα “time-lapse”, δεν απαιτείται απομάκρυνση των εμβρύων από τις σταθερές συνθήκες καλλιέργειας για την αξιολόγηση της ποιότητάς τους. Πρακτικά, τα συστήματα “time-lapse”, επειδή διαθέτουν ενσωματωμένο το σύστημα μικροσκοπίας, επιτρέπουν την αξιολόγηση των εμβρύων, χωρίς αυτά να απομακρύνονται από τις σταθερές συνθήκες του μικροπεριβάλλοντος στο οποίο αναπτύσσονται, αυξάνοντας σημαντικά την πιθανότητα επιβίωσής τους.
Πως η τεχνολογία “time-lapse” συνδυάζεται με τα συστήματα τεχνητής νοημοσύνης και μηχανικής μάθησης και ποια είναι τα δεδομένα που μας παρέχουν;
Τα πλέον εξελιγμένα συστήματα καλλιέργειας “time-lapse” δίνουν τη δυνατότητα εγκατάστασης προγραμμάτων τεχνητής νοημοσύνης και μηχανικής μάθησης.
Αρχικά το σύστημα “time-lapse” τροφοδοτεί με πολυάριθμα δεδομένα τα συστήματα τεχνητής νοημοσύνης. Στην συνέχεια τα συστήματα αυτά αξιολογούν την κάθε παράμετρο που σχετίζεται με την εμβρυϊκή ανάπτυξη, καθορίζοντας εάν αυτή είναι φυσιολογική ή αν παρουσιάζει μη ομαλά πρότυπα.
Επί της ουσίας δημιουργούνται δίκτυα πληροφοριών, τα οποία ονομάζονται τεχνητά νευρωνικά δίκτυα (neural networks), τα οποία συλλέγουν, αναλύουν και συνδυάζουν όλα τα διαθέσιμα δεδομένα και στη συνέχεια αξιολογούν την ποιότητα του κάθε εμβρύου εξατομικευμένα, ενισχύοντας σημαντικά το έργο των κλινικών εμβρυολόγων.
Επιπρόσθετα, τα συστήματα τεχνητής νοημοσύνης είναι σε θέση να παρέχουν σημαντικές πληροφορίες τόσο στους ιατρούς, όσο και στα άτομα που λαμβάνουν υπηρεσίες υποβοηθούμενης αναπαραγωγής, αναφορικά με την πρόγνωση της έκβασης ενός κύκλου εξωσωματικής γονιμοποίησης. Οι πληροφορίες αυτές είναι ιδιαίτερα σημαντικές, καθώς επιτρέπουν την εξατομικευμένη προσέγγιση του εκάστοτε περιστατικού, συμβάλλοντας στον σχεδιασμό του βέλτιστου πρωτοκόλλου διαχείρισης της υπογονιμότητας.
Συμβάλλουν σημαντικά τα συστήματα “time-lapse” και η τεχνητή νοημοσύνη στην αύξηση των ποσοστών επιτυχίας της εξωσωματικής γονιμοποίησης;
Τα συστήματα καλλιέργειας “time-lapse” είναι υψηλών προδιαγραφών και θεωρούνται απόλυτα ασφαλή για την καλλιέργεια των εμβρύων. Μελέτες υποστηρίζουν πως η καλλιέργεια σε κλιβάνους “time-lapse” οδηγεί σε αύξηση του ποσοστού των εμβρύων που φτάνουν στο στάδιο της βλαστοκύστης και ως εκ τούτου σε αύξηση του αριθμού των εμβρύων που είναι διαθέσιμα προς εμβρυομεταφορά ή κρυοσυντήρηση.
Αναφορικά με την αποτελεσματικότητα, η χρήση των συστημάτων “time-lapse” και της τεχνητής νοημοσύνης μπορεί να οδηγήσει στην επιλογή του εμβρύου που παρουσιάζει την βέλτιστη ποιότητα και το υψηλότερο δυναμικό ανάπτυξης σε ποσοστό που αγγίζει το 90%. Παρά τα σημαντικά πλεονεκτήματα, πρέπει να τονιστεί πως σήμερα δεν υπάρχει διαθέσιμο κάποιο σύστημα που να μπορεί να προβλέψει με ακρίβεια 100% την έκβαση ενός κύκλου εξωσωματικής γονιμοποίησης. Ως εκ τούτου τα συστήματα αυτά χρησιμοποιούνται υποβοηθητικά και δεν αντικαθιστούν την κρίση του εξειδικευμένου επιστημονικού προσωπικού.
Ποια είναι τα μειονεκτήματα των νέων αυτών τεχνολογιών;
Στα βασικά μειονεκτήματα των νέων αυτών τεχνολογιών συγκαταλλέγονται το υψηλό κόστος του εξοπλισμού και η εξειδικευμένη εκπαίδευση και επιμόρφωση του προσωπικού που απαιτείται για την εφαρμογή των πρωτοκόλλων λειτουργίας και σωστής ερμηνείας των δεδομένων. Το γεγονός αυτό καθιστά την εφαρμογή των τεχνολογιών αυτών μια μεγάλή πρόκληση για τις Μονάδες Ιατρικώς Υποβοηθούμενης Αναπαραγωγής. Ωστόσο, τα κέντρα υποβοηθούμενης αναπαραγωγής που επιλέγουν να εξελίξουν τις υπηρεσίες που παρέχουν, υιοθετούν αυτές τις state-of-the-art τεχνικές. Αναμένεται πως τα επόμενα χρόνια η χρήση τους θα βρίσκεται στην βασική γραμμή διαχείρισης της υπογονιμότητας.
Δρ. Κωνσταντίνος Δημητρόπουλος, Μαιευτήρας – Γυναικολόγος και Ειδικός στην Ιατρικώς Υποβοηθούμενη Αναπαραγωγή