Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence
Diese systematische Übersichtsarbeit kommt zu dem Schluss, dass die KI-gestützte Embryonenselektion in der IVF zwar in Bezug auf Modellentwicklung und technische Leistungsfähigkeit signifikante Fortschritte gemacht hat, die derzeitigen Belege für die klinische Wirksamkeit jedoch begrenzt und inkonsistent bleiben, was eine weitere unabhängige Validierung und prospektive Studien erforderlich macht, bevor ihre routinemäßige klinische Anwendung etabliert werden kann.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Für Millionen von Paaren auf der ganzen Welt ist der Weg in die Familienplanung durch Unfruchtbarkeit blockiert, ein Zustand, von dem etwa jeder sechste Mensch im gebärfähigen Alter betroffen ist. Wenn eine natürliche Empfängnis nicht eintritt, greifen Ärzte oft auf ein Laborverfahren namens In-vitro-Fertilisation zurück, bei dem eine Eizelle und ein Spermium außerhalb des Körpers kombiniert werden, um einen Embryo zu erschaffen. Der kritischste und schwierigste Schritt in diesem Prozess ist die Entscheidung, welcher einzelne Embryo zurück in den Uterus der Frau eingesetzt wird. Traditionell haben hochqualifizierte Wissenschaftler, sogenannte Embryologen, diese Wahl getroffen, indem sie den Embryo unter einem Mikroskop betrachteten und seine Gesundheit anhand seines Aussehens und seiner Wachstumsgeschwindigkeit beurteilten. Diese visuelle Bewertung kann jedoch von einem Experten zum anderen variieren, und selbst das beste menschliche Auge kann nicht immer vorhersagen, welcher Embryo erfolgreich Wurzeln schlagen und zu einem Baby heranwachsen wird. In den letzten Jahren haben Wissenschaftler damit begonnen zu testen, ob künstliche Intelligenz – dieselbe Art von Computertechnologie, die Gesichter erkennen oder Autos steuern kann – helfen kann, diese Auswahl präziser zu gestalten.
Ein neuer systematischer Review, eine Art von Studie, die alle existierenden Forschungsarbeiten zu einem spezifischen Thema sammelt und analysiert, hat nun genau untersucht, wie gut diese Computersysteme in der realen Welt tatsächlich abschneiden. Die Hintermänner dieser Übersichtsarbeit, Emmanuel Emmanuel und Ekwueme Precious, haben kein einziges neues Experiment durchgeführt. Stattdessen haben sie Dutzende früherer Studien gesammelt und untersucht, die Werkzeuge der künstlichen Intelligenz testeten, welche darauf ausgelegt sind, Embryonen zu bewerten und auszuwählen. Ihr Ziel war es, den technischen Erfolg dieser Computermodelle von ihrer tatsächlichen Fähigkeit zu trennen, die Chancen auf eine gesunde Schwangerschaft zu verbessern. Sie wollten wissen, ob die Software, die in der Lage ist, tausende Bilder zu verarbeiten und Muster zu finden, die für Menschen unsichtbar sind, tatsächlich zu mehr geborenen Babys führt oder ob ihr Erfolg auf den Computerbildschirm beschränkt ist.
Die Übersichtsarbeit ergab, dass sich die Technologie rasant weiterentwickelt hat. Frühe Versuche nutzten einfache Computerprogramme, aber die jüngsten Studien verwenden Deep Learning, eine anspruchsvolle Methode, bei der der Computer lernt, indem er riesige Bibliotheken von Embryobildern analysiert, einschließlich Zeitraffer-Videos, die den Embryo Stunde um Stunde wachsen lassen. Diese Systeme können nun Embryonen bewerten, ihre genetische Gesundheit vorhersagen und sie in einer Weise ranken, die oft der Konsistenz menschlicher Experten entspricht oder diese sogar übertrifft. In Bezug auf die reine Vorhersage haben die Computermodelle gezeigt, dass sie zwischen Embryonen unterscheiden können, die wahrscheinlich implantiert werden, und solchen, die es nicht werden. Beispielsweise fand eine große Studie mit fast zweihunderttausend Embryonen aus zweiundzwanzig verschiedenen Kliniken, dass das KI-System lebensfähige Embryonen mit einer Genauigkeit identifizieren konnte, die je nach spezifischen Testbedingungen zwischen sechzig und fünfundsiebzig Prozent lag.
Die Übersichtsarbeit hebt jedoch eine signifikante Lücke zwischen dem, was der Computer vorhersagen kann, und dem, was er in einer Klinik erreicht, hervor. Nur weil ein Modell Embryonen in einer Datenbank präzise ranken kann, bedeutet das nicht, dass die Verwendung dessen zu mehr erfolgreichen Schwangerschaften für Patientinnen führen wird. Der strengste Test dieser Technologie kam aus einer großen randomisierten Studie mit über tausend Patientinnen aus vierzehn Kliniken. In dieser Studie wurde bei einer Gruppe von Patientinnen die Auswahl der Embryonen durch ein Deep-Learning-System vorgenommen, während bei einer anderen Gruppe die Embryonen durch die traditionelle Methode der menschlichen visuellen Beurteilung ausgewählt wurden. Die Ergebnisse waren eindeutig: Die Gruppe, die die künstliche Intelligenz nutzte, schnitt nicht besser ab als die Gruppe mit den menschlichen Experten. Tatsächlich war die klinische Schwangerschaftsrate in der KI-Gruppe mit 46,5 Prozent etwas niedriger als die 48,2 Prozent in der konventionellen Gruppe. Die Studie war darauf ausgelegt zu sehen, ob die KI zumindest so gut wie die menschliche Methode ist, und sie scheiterte daran, diesen Punkt zu beweisen.
Dieses Ergebnis deutet darauf an, dass künstliche Intelligenz zwar ein mächtiges Werkzeug zur Datenanalyse ist, sich jedoch noch nicht als überlegener Ersatz für das menschliche Urteilsvermögen in der Klinik erwiesen hat. Die Übersicht weist darauf hin, dass viele frühere Studien, die großes Versprechen zeigten, retrospektiv waren, was bedeutet, dass sie auf Daten von Embryonen zurückblickten, die bereits transferiert worden waren, und diese untersuchten. Diese Studien zeigten oft starke Verbindungen zwischen hohen KI-Scores und erfolgreichen Schwangerschaften, konnten aber nicht beweisen, dass die KI die Ursache für den Erfolg war, da die von der KI gewählten Embryonen nicht in einer fairen, randomisierten Weise gegen eine Kontrollgruppe verglichen wurden. Darüber hinaus stellte die Übersicht fest, dass verschiedene Kliniken unterschiedliche Mikroskope, unterschiedliche Inkubatoren und unterschiedliche Arten der Versorgung von Embryonen verwenden, was bedeutet, dass ein Computermodell, das in einem Labor trainiert wurde, in einem anderen Labor möglicherweise nicht so gut funktioniert. Die Technologie zeigte auch Anzeichen von Instabilität, wobei derselbe Embryo ein anderes Ranking erhielt, wenn das Computermodell mehrmals ausgeführt wurde, was Fragen hinsichtlich ihrer Zuverlässigkeit aufwarf.
Die Autoren kommen zu dem Schluss, dass das Feld an einem Wendepunkt steht. Die Computermodelle haben demonstriert, dass sie die visuelle Sprache der Embryonalentwicklung erlernen und konsistente Rankings bereitstellen können, was eine bemerkenswerte technische Leistung darstellt. Dennoch ist der Beweis dafür, dass diese Technologie das ultimative Ziel der In-vitro-Fertilisation – die Geburt eines lebenden Babys – verbessert, noch schwach. Die Übersicht lehnt das Potenzial der künstlichen Intelligenz nicht ab, besteht aber darauf, dass die Technologie eher als Entscheidungshilfe denn als automatische Lösung betrachtet werden muss. Bevor Kliniken sich sicher auf diese Systeme verlassen können, um Embryonen auszuwählen, ist mehr unabhängige Testung erforderlich. Zukünftige Studien müssen sich auf reale Ergebnisse konzentrieren, insbesondere auf die Anzahl der geborenen Babys, und sicherstellen, dass die Software in verschiedenen Krankenhäusern und Patientengruppen zuverlässig funktioniert. Bis ein solcher Beweis vorliegt, bleibt der menschliche Embryologe der wesentliche Wegweiser auf der Reise zur Elternschaft, wobei die künstliche Intelligenz als hilfreicher, aber noch nicht voll vertrauenswürdiger Assistent dient.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.