Lo sviluppo della tecnologia digitale ha causato un enorme boom a livello medico. L'Intelligenza Artificiale (AI) può stabilire relazioni tra una grande quantità di dati biomedici grazie all'uso di algoritmi complessi. Questo ci consente di migliorare l'accuratezza delle linee guida mediche, aumentare la conoscenza in determinate aree, ridurre gli errori diagnostici e fare previsioni in tempo reale.
In che modo l'Intelligenza Artificiale può migliorare la riproduzione assistita?
La riproduzione assistita è un'area medica e, come previsto, negli ultimi anni si è iniziato a implementare l'IA per aiutare a decidere i protocolli di lavoro più appropriati (ad esempio quelli relativi alla stimolazione ovarica controllata) per offrire diagnosi più affidabili basate sull'analisi di un grande volume di dati (Big Data).
Inoltre, l'intelligenza artificiale ci consente di farlo personalizzare i nostri trattamenti, utilizzando le informazioni dei cicli precedentemente eseguiti e consentendo di comprendere, in modo più preciso e accurato, le possibilità che un paziente ha di avere un trattamento di successo.
Laboratori di fecondazione in vitro (FIV) senza IA
Uno degli obiettivi perseguiti fin dall'inizio della fecondazione in vitro è la selezione del miglior embrione da trasferire. Effettuare un'adeguata classificazione degli embrioni in base alle probabilità di successo consentirebbe alle pazienti di ottenere una gravidanza il prima possibile. Sebbene ciò sia stato parzialmente raggiunto consentendo agli embrioni di evolversi allo stadio di blastocisti e biopsiando queste blastocisti per renderle PGT-A, non è stato ancora ottimizzato.
Da diversi anni si lavora sulla valutazione morfocinetica degli embrioni, scattando foto e riprese continue (time-lapse) al fine di migliorare i criteri di selezione degli embrioni e aumentare la probabilità di impianto e gestazione evolutiva. Grazie all'implementazione del time-lapse, è stato introdotto il concetto di condizioni di coltura stabili, in relazione alla possibilità di visualizzazione e documentazione continua dell'embrione durante tutto il suo sviluppo.
Finora, anche quando il punteggio della qualità dell'embrione si basa su grandi set di dati o quando viene utilizzato il time-lapse; i punteggi morfocinetici sono ancora principalmente basati su annotazioni soggettive e intermittenti di morfologia e tempistica. Quando si studia il morfologia embrionale In modo automatizzato, questo parametro ha osservato che gli embrioni con una buona morfologia hanno maggiori probabilità di essere cromosomicamente normali. Di per sé, la morfologia ha una capacità predittiva di aneuploidia del 68%.
AI nella classificazione degli embrioni
Attraverso l'applicazione dell'Intelligenza Artificiale, ha permesso la creazione di algoritmi che analizzano e classificano automaticamente gli embrioni, valutando tutte le fasi dello sviluppo dell'embrione e classificando anche la sua morfologia, che aumenta la probabilità di gestazione e gravidanza. Questi algoritmi analizzano automaticamente gli embrioni e li classificano su un sistema di punteggio da uno a dieci in base alla loro qualità e morfologia.
La selezione automatizzata degli embrioni, rispetto a quella manuale, è più accurata. Per questo motivo la probabilità di gravidanza evolutiva è direttamente correlata alla percentuale di punteggio e, quindi, la paziente ha maggiori possibilità di successo. L'Intelligenza Artificiale raggiunge una precisione del 90% nella selezione di embrioni cromosomicamente normali.
AI nella selezione degli spermatozoi
In questo caso, l'obiettivo dell'utilizzo dell'Intelligenza Artificiale è migliorare le percentuali di successo. Immagina un'ICSI (iniezione intracitoplasmatica) utilizzando lo sperma con il miglior potenziale riproduttivo. L'intelligenza artificiale potrebbe essere utilizzata per selezionare lo sperma in base alla morfologia e alla frammentazione del DNA. Allo stesso modo, ciò permetterebbe di identificare queste qualità degli spermatozoi nelle biopsie testicolari.
In sintesi, l'Intelligenza Artificiale è uno strumento che è rimasto nel campo della medicina riproduttiva e si presenta come uno degli strumenti per migliorare il successo dei trattamenti.
