Artificial intelligence-derived quantitative blastocyst morphology for objective embryo assessment and fetal heart tone stratification

في المختبرات الهادئة والمتحكم في مناخها، حيث تبدأ الحياة خارج الرحم، يواجه أخصائيو علم الأجنة مهمة تتسم بالدقة البالغة والخطورة العالية. يتعين عليهم النظر في صور مجهرية لأجنة بشرية مبكرة وتحديد أي منها لديه أفضل فرصة للنمو ليصبح طفلاً. يعتمد هذا القرار على نظام يسمى "تصنيف البلاستوسيست" (المضغة)، حيث يفحص الخبراء شكل الجنين وبنيته. إنهم ينظرون إلى ثلاثة أشياء رئيسية: مدى تمدد الجنين، وتكتل الخلايا الذي سيصبح هو الطفل (الكتلة الخلوية الداخلية)، والطبقة الخارجية من الخلايا التي ستشكل المشيمة (الأدمة الظهارية). لعقود من الزمن، كان هذا مسعىً بشرياً، يعتمد على العيون المدربة والخبرة التي يمتلكها العالم الذي ينظر عبر المجهر. ومع ذلك، فإن الرؤية البشرية معرضة للخطأ؛ فقد ينظر خبيران إلى نفس الصورة ويريان جودة مختلفة قليلاً، مما يؤدي إلى أحكام غير متسقة. ومع تزايد الطلب على علاجات الخصوبة، أصبحت الحاجة إلى طريقة أكثر موضوعية واتساقاً لقراءة هذه الأرواح الصغيرة النامية أمراً ملحاً.

تستكشف دراسة جديدة من فريق من الباحثين في كوريا الجنوبية ما إذا كان الذكاء الاصطناعي يمكن أن يقدم عدسة أكثر وضوحاً وموثوقية لهذا التقييم الحاسم. لم يطلب الباحثون من الكمبيوتر ببساال مجرد التخمين بشأن أي جنين سينجح، بل قاموا ببناء أداة رقمية تعمل مثل شريط قياس دقيق لتشريح الجنين. باستخدام نموذج التعلم العميق، حدد البرنامج أولاً الحدود المحددة للغلاف الخارجي للجنين، وتكتل الخلايا الداخلي، وطبقة الخلايا الخارجية. ومن هذه الخطوط الرقمية، استخرج النظام سبعة عشر قياساً مختلفاً، مثل سمك الغلاف، واستدارة تكتل الخلايا الداخلي، وعدد الخلايا على الحافة. ثم اختبر الفريق ما إذا كانت هذه الأرقام الصلبة يمكن أن تؤدي وظيفة أفضل من الخبراء البشر في أمرين: الاتفاق على الدرجة التي يستحقها الجنين، والتنبؤ بما إذا كان الجنين سيظهر في النهاية نبضاً، وهي علامة فارقة رئيسية تُعرف باسم "نغمة قلب الجنين".

حللت الدراسة أكثر من عشرة آلاف صورة جنينية تم جمعها من سبعة مراكز خصوبة مختلفة. وعندما قارن الباحثون تصنيف الكمبيوتر مع التصنيف المتفق عليه من قبل لجنة من أخصائيي الأجنة البشر، كانت النتائج مذهلة. فبالنسبة لمرحلة التطور وجودة الكتلة الخلوية الداخلية، اتفق نموذج الذكاء الاصطناعي مع الإجماع البشري في كثير من الأحيان أكثر من أي أخصائي أجنة بشري بمفرده. وبينما أظهر الخبراء البشر توافقاً كبيراً مع بعضهم البعض، حقق الكمبيوتر مستوى من الاتفاق شبه المثالي. يشير هذا إلى أن القياسات الكمية المستمدة من الصور تلتقط الواقع الهيكلي للجنين بشكل أكثر اتساقاً من التفسير الذاتي لمراقب واحد. لم يقم الكمبيوتر بمجرد محاكاة الرأي البشري، بل قدم معياراً مستقراً وقابلاً للتكرار قلل من التباين الطبيعي بين الأطباء المختلفين.

ومع ذلك، كان الاكتشاف الأكثر أهمية يتعلق بالتنبؤ بنغمة قلب الجنين. فقد درب الباحثون نموذج تعلم آلي لاستخدام القياسات الكمية السبعة عشر للتنبؤ بما إذا كان الجنين سيطور نبضاً. ثم قارنوا نموذج الذكاء الاصطناعي هذا بنموذج يعتمد فقط على تصنيفات الإجماع البشري التقليدية. وقد أدى نموذج الذكاء الاصطناعي، باستخدام الأرقام الخام لشكل الجنين، أداءً أفضل بشكل ملحوظ. فقد ميز بشكل صحيح بين الأجنة التي ستطور نبضاً وتلك التي لن تطوره بدقة أكبر من نظام التصنيف البشري وحده. ولفهم كيفية عمل ذلك، قام الباحثون بتفكيك عملية اتخاذ القرار في الذكاء الاصطناعي إلى مخطط انسيابي بسيط، ووجدوا أن عدد الخلايا على حافة الجنين وسمك غلافه الخارجي هما أقوى المؤشرات. فعلى سبيل المثال، أظهرت الأجنة ذات العدد المحدد من خلايا الحافة والغلاف الخارجي الرقيق جداً معدل نجاح أعلى بكثير في تطوير نبض القلب مقارنة بغيرها.

وعندما نظر الباحثون في مدى قدرة النظامين على فصل الأجنة إلى مجموعات من النجاح العالي والمنخفض، كان الفرق واضحاً. استطاعت درجات الإجماع البشري فصل الأجنة إلى مجموعات تتراوح معدلات ضربات قلبها بين حوالي 16.7% و36.2%. وفي المقابل، خلق النموذج القائم على الكمبيوتر (الذكاء الاصطناعي) فصلاً أوسع بكثير، حيث تراوحت المجموعات بين 11.8% و46.8%. ويعني هذا النطاق الأوسع أن الذكاء الاصطناعي استطاع تحديد مجموعة فرعية من الأجنة كانت أكثر عرضة للنجاح بشكل ملحوظ مما استطاع النظام البشري تمييزه. لم يكتفِ الكمبيوتر بالقول "هذا جيد" أو "هذا سيء"، بل قدم مقياساً أدق للاحتمالات، مما سمح برؤية أكثر تفصيلاً حول أي الأجنة تمتلك أقوى الإمكانات.

كما أكدت الدراسة أن الأرقام التي استخدمها الكمبيوتر لها معنى بيولوجي. فالمؤشرات التي كانت تهم الذكاء الاصطناعي، مثل سمك الغلاف الخارجي وتماسك الكتلة الخلوية الداخلية، تتماشى مع ما يعرفه العلماء بالفعل عن النمو الصحي. فالغلاف الرقيق غالباً ما يشير إلى أن الجنين مستعد للفقس، والتكتل المتماسك للكتلة الداخلية يشير إلى إمكانات قوية لتكوين طفل. والحقيقة أن الذكاء الاصطناعي توصل إلى هذه الاستنتاجات نفسها من خلال تحليل البيانات البحتة، دون أن يتم إخباره صراحة بقواعد البيولوجيا، تضفي ثقلاً على النتائج. وهذا يشير إلى أن هذه السمات القابلة للقياس هي بالفعل التواقيع الفيزيائية لجنين سليم.

وعلى الرغم من هذه النتائج الواعدة، يحرص الباحثون على ملاحظة أن هذا ليس بديلاً عن الحكم البشري، ولا هو ضمان للولادة الحية. فقد ركزت الدراسة على وجود نبض القلب، وهو علامة إيجابية ولكنها ليست النتيجة النهائية للحمل. كما أن نموذج الذكاء الاصطناعي لم يأخذ في الاعتبار عوامل حاسمة أخرى مثل عمر الأم أو حالة الرحم. علاوة على على ذلك، أُجريت الدراسة باستخدام بيانات من بلد واحد، وقد تحتاج النتائج إلى الاختبار في مجموعات سكانية أخرى. كما أقر الباحثون بأن الكمبيوتر كان أقل اتساقاً قليلاً من البشر عند تصنيف الطبقة الخارجية من الخلايا، ويرجع ذلك على الأرجب إلى أن صورة مسطحة واحدة لا يمكنها إظهار الشكل ثلاثي الأبعاد الكامل لتلك الطبقة.

إن ما يبرهنه هذا العمل هو أن الذكاء الاصطناعي يمكن أن يكون شريكاً قوياً وموضوعياً في المختبر. فمن خلال تحويل الفن البصري لتصنيف الأجنة إلى مجموعة من القياسات الدقيقة والقابلة للتكرار، توفر هذه التكنولوجيا وسيلة لتقليل عدم الاتساق البشري والكشف عن الأنماط الدقيقة التي قد يتم تفويتها بخلاف ذلك. تشير الدراسة إلى أن الجمع بين الخبرة العميقة لأخصائيي الأجنة والرؤى القائمة على البيانات الصارمة للذكاء الاصطناعي يمكن أن يؤدي إلى قرارات أفضل في علاج الخصوبة. إنها خطوة نحو مستقبل لا يتم فيه توجيه اختيار الجنين فقط بما تراه العين، بل بما تكشف عنه البيانات حول الحياة الصغيرة النامية في الداخل.