Της Αλεξάνδρας Μαρκεζίνη,
Στις 25 Απριλίου 1978 γεννήθηκε το πρώτο μωρό παγκοσμίως μέσω της τεχνητής γονιμοποίησης, σημείο εκκίνησης και αναφοράς για τον τομέα της αναπαραγωγής και εμβρυολογίας. Έκτοτε, έχουν γίνει διάφορες προσπάθειες όχι απλώς βελτίωσης, αλλά και τελειοποίησης των εφαρμοσμένων μεθόδων, για να επιτευχθεί ο μείζων στόχος, που δεν είναι άλλος από έναν επιτυχημένο κύκλο εξωσωματικής γονιμοποίησης, που θα δώσει ένα υγιές έμβρυο και στη συνέχεια ένα υγειές μωρό.
Ένα από τα πλέον κρίσιμα σημεία της διαδικασίας είναι η επιλογή του κατάλληλου εμβρύου για την εμβρυομεταφορά και εμφύτευση στη γυναίκα. Τα μέχρι τώρα συστήματα αξιολόγησης των εμβρύων περιλαμβάνουν τη βαθμολόγηση των εμβρύων με γράμματα και αριθμούς βάσει μορφολογικών παραγόντων και πορείας ανάπτυξης, μια διαδικασία που διεξάγεται από τους εμβρυολόγους.
Τα τελευταία χρόνια έχουν εισαχθεί επιπρόσθετες μέθοδοι επιλογής εμβρύων που καθιστούν πιο έντονη την παρουσία της τεχνολογίας. Τέτοια είναι η τεχνολογία time‐lapse imaging, που περιλαμβάνει την επώαση των εμβρύων με συνεχή παρακολούθηση και φωτογράφιση σε τακτά χρονικά διαστήματα (time-lapse). Πρόκειται για έναν ειδικό τύπο επωαστικής συσκευής με ενσωματωμένη κάμερα και μικροσκόπιο, που λαμβάνει φωτογραφίες των αναπτυσσόμενων εμβρύων ανά τακτά χρονικά διαστήματα in situ, δηλαδή χωρίς να τα αφαιρέσουμε από τον επωαστήρα, δίνοντας έτσι σταθερές συνθήκες καλλιέργειας. Οι εικόνες που λαμβάνονται, επεξεργάζονται με τη χρήση ενός λογισμικού που συνδυάζει αυτές τις εικόνες για να σχηματίσει ένα βίντεο time-lapse.
Από τη μια φαίνεται λογικό ότι τα βίντεο θα παρείχαν περισσότερες πληροφορίες για την ανάπτυξη εμβρύου, λόγω της δυναμικότητας που τα χαρακτηρίζει, γεγονός που οδηγεί σε καλύτερη επιλογή. Από την άλλη πλευρά, η εξέταση μιας μεμονωμένης εικόνας εμβρύου σε κρίσιμα χρονικά σημεία, φαίνεται να αρκεί για να αξιολογήσει με ακρίβεια την αναπτυξιακή του ικανότητα. Το μειονέκτημα αυτού του συστήματος είναι ότι η μεμονωμένη εικόνα δεν μπορεί να χρησιμοποιηθεί για την αξιολόγηση της δυναμικής διαδικασίας ανάπτυξης του εμβρύου. Ωστόσο, η ανάλυση του time-lapse βίντεο είναι χρονοβόρα και ορισμένα, σύντομα χαρακτηριστικά που εμφανίζονται δεν μπορούν να αποτυπωθούν ή να αναγνωριστούν σωστά από το γυμνό μάτι. Έτσι, η αξιολόγηση αυτή διευκολύνεται ακόμα περισσότερο, όταν χρησιμοποιούνται ειδικά προγράμματα (software) που αναλύουν τις εικόνες time-lapse, χρησιμοποιώντας τεχνητή νοημοσύνη.
Σε ένα ευρύτερο πλαίσιο, η τεχνητή νοημοσύνη εκφράζει την ικανότητα μιας μηχανής να αναπαράγει τις γνωστικές λειτουργίες ενός ανθρώπου, να κατανοεί το περιβάλλον της, να επιλύει προβλήματα, ούσα εκπαιδευμένη στη σύνθετη αναγνώριση προτύπων, ενσωματώνοντας την επεξεργαστική ισχύ των υπολογιστών κ.ά.
Η χρήση της τεχνητής νοημοσύνης (A.I.) κερδίζει όλο και περισσότερο έδαφος στον τομέα της ιατρικής και της βιολογίας και χρησιμοποιείται όλο και περισσότερο στο εμβρυολογικό εργαστήριο, για να βοηθήσει στη βελτίωση των αποτελεσμάτων της εξωσωματικής γονιμοποίησης. Άλλωστε, η απεικόνιση είναι ένας από τους πιο σημαντικούς τομείς εφαρμογής της τεχνητής νοημοσύνης. Η τεχνολογία τεχνητής νοημοσύνης έχει εφαρμοστεί με επιτυχία για την αναγνώριση αντικειμένων μέσα σε μια εικόνα και την πρόβλεψη σχημάτων και υφών. Έτσι, εφόσον εκπαιδευτεί, τροφοδοτώντας το σύστημα με εικόνες βέλτιστης ποιότητας εμβρύων, θα μπορούσε να ξεκινήσει μια –μη επεμβατική και αρκετά γρήγορη– διαδικασία αναζήτησης παραμέτρων για την αξιολόγηση των εκάστοτε εμβρύων. Έτσι, η Α.Ι. μπορεί να έχει εφαρμογή σε διάφορους τομείς της τεχνητής γονιμοποίησης: Επιλογή γαμετών (ωάριο και σπερματοζωάριο), αξιολόγηση και επιλογή εμβρύων, για τον εντοπισμό του βέλτιστου σημείου εισόδου της πιπέτας, για την έγχυση του σπέρματος στο ωάριο κ.ά.
Τα συστήματα Α.Ι. θα μπορούσαν να ωφελήσουν σημαντικά την επιλογή του καλύτερου εμβρύου. Με τις συμβατικές μεθόδους, οι εμβρυολόγοι συγκρίνουν παραμέτρους, αξιολογούν γνωρίσματα και προσδιορίζουν τον ακριβή χρόνο κάθε γεγονότος. Ωστόσο, αυτή είναι μια χειροκίνητη διαδικασία που εξαρτάται από την ακρίβεια, την εμπειρία κάθε εμβρυολόγου και την ικανότητα διάκρισης μεταξύ φυσιολογικών και μη φυσιολογικών συμβάντων.
Εκτός του ότι μειώνουν τον παράγοντα της υποκειμενικότητας από την πλευρά του εμβρυολόγου, περιλαμβάνουν εργαλεία που διαταράσσουν λιγότερο έως και καθόλου το περιβάλλον της καλλιέργειας εμβρύων. Ο χειρισμός των εμβρύων καθ’ όλη τη διάρκεια της διαδικασίας της τεχνολογίας υποβοηθούμενης αναπαραγωγής περιλαμβάνει συνήθως τη μεταφορά τους μεταξύ τρυβλίων και την αξιολόγησή τους σε συγκεκριμένες χρονικές στιγμές. Η παραμονή εκτός του επωαστή εκθέτει το έμβρυο στις συνθήκες του εργαστηρίου και μπορεί να αλλάξει το μέσο καλλιέργειας (θερμοκρασία) και, κατά συνέπεια, το περιβάλλον του εμβρύου. Αυτό πιστεύεται ότι δημιουργεί μεταβολικό στρες στο έμβρυο, το οποίο μπορεί να επηρεάσει την ανάπτυξη και την ποιότητα του εμβρύου. Συνεπώς, είναι σημαντικό να ελαχιστοποιείται ο χρόνος χειρισμού των ωαρίων και των εμβρύων εκτός του ελεγχόμενου περιβάλλοντος του επωαστή.
Εστιάζοντας στο λογισμικό αξιολόγησης, ένα από τα ανερχόμενα θεωρείται ο Έξυπνος Αλγόριθμος Ταξινόμησης Κατάταξης Εμβρύων (ERICA). Το ERICA είναι ένα λογισμικό τεχνητής νοημοσύνης βαθιάς εκμάθησης (deep learning) που έχει σχεδιαστεί για να βοηθά στη διαδικασία επιλογής εμβρύου που οδηγεί στην εμβρυομεταφορά. Αναγνωρίζει χαρακτηριστικά και παραμέτρους που δεν διακρίνονται με τη συμβατική μικροσκοπία. Έπειτα, βάσει αυτών των χαρακτήρων, η ERICA ταξινομεί με ακρίβεια τα έμβρυα, σύμφωνα με την πρόγνωσή τους (που ορίζεται ως ευπλοειδία και δυνατότητα εμφύτευσης). Επίσης, συμβάλλει στην πρόβλεψη της γενετικής κατάστασης του μεμονωμένου εμβρύου με μη επεμβατικό τρόπο.
Σε μια έρευνα που εκπονήθηκε από τους Alejandro Chavez-Badiola, Adolfo Flores-Saiffe-Farías, Gerardo Mendizabal-Ruiz, Andrew J Drakeley και Jacques Cohen, εξετάζοντας 1.231 εικόνες εμβρύου, τα αποτελέσματα έδειξαν ότι η ERICA παρουσίασε ακρίβεια 0,70 με θετική προγνωστική τιμή 0,79 για την πρόβλεψη της ευπλοειδίας και, επίσης, ότι μπορούσε να τελέσει τη διαδικασία αξιολόγησης εμβρύων σε 25 δευτερόλεπτα. Αναλυτικότερα, ο εμβρυολόγος εισάγει την εικόνα του εμβρύου στο σύστημα της ΕΡΙΚΑ στον υπολογιστή μαζί με κάποιες πληροφορίες σχετικά με την ώρα και τη μέρα της γονιμοποίησης, τη χρονική στιγμή που πήρε την εικόνα και τρέχει το σύστημα. Έτσι, το ΕΡΙΚΑ, χρησιμοποιώντας τεχνητά οπτικά φίλτρα, μετρά παραμέτρους και γνωρίσματα, καταλήγοντας στην κατάταξη του εμβρύου ως προς την ευπλοειδική του κατάσταση (χρωμοσωμική σύσταση) και την πιθανότητάς τους για επιτυχή εμφύτευση.
Συνεπώς, η πιθανή εγκαθίδρυση της Α.Ι. στην επιστήμη της αναπαραγωγής εισάγει σε μία νέα εποχή της τεχνητής γονιμοποίησης (IVF 2.O όπως χαρακτηριστικά αναφέρει ο Alejandro Chavez-Badiola), πιο αυτοματοποιημένη και πιο οριοθετημένη. Ενώ, όμως, έχει γνωρίσει παγκοσμίως αρκετούς υποστηρικτές και μεγάλο εμπορικό ενδιαφέρον, χρήζει αρκετές βελτιώσεις για να εξασφαλιστεί η ακρίβεια, η ταχύτητα και η ευαισθησία που υπόσχεται. Μάλιστα, μια από τις προκλήσεις που αντιμετωπίζει, αφορά τη μέθοδο εκπαίδευσης του λογισμικού και το είδος των δεδομένων που πρέπει να του μεταφορτώνονται. Ας ελπίσουμε ότι στα επόμενα χρόνια αυτές οι δυσκολίες θα αποτελούν παρελθόν κι έτσι περισσότεροι κύκλοι τεχνητής γονιμοποίησης θα ολοκληρώνονται με επιτυχία, δίνοντας χαρά στους εν δυνάμει γονείς.
ΕΝΔΕΙΚΤΙΚΕΣ ΠΗΓΕΣ
- Artificial intelligence in the embryology laboratory: a review, Reprodactive Biomedicine Online. Διαθέσιμο εδώ
- Vincent Division of Reproductive Embruology and Inferltility, The Vincent Memorial Hospital Foundation. Διαθέσιμο εδώ
- Embryo Ranking Intelligent Classification Algorithm (ERICA): artificial intelligence clinical assistant predicting embryo ploidy and implantation, PubMed. Διαθέσιμο εδώ
- IVF2.0, ivf20.ai. Διαθέσιμο εδώ
- Επιλογή εμβρύων με time-lapse και τεχνητή νοημοσύνη, emBIO medical center. Διαθέσιμο εδώ
