Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence
Cette revue systématique conclut que bien que la sélection d'embryons assistée par l'IA dans la FIV ait progressé de manière significative en termes de développement de modèles et de performance technique, les preuves actuelles de son efficacité clinique restent limitées et incohérentes, nécessitant une validation indépendante supplémentaire et des études prospectives avant que son adoption clinique de routine puisse être établie.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Pour des millions de couples à travers le monde, le chemin vers la création d'une famille est bloqué par l'infertilité, une condition qui affecte environ une personne sur six en âge de procréer. Lorsque la conception naturelle ne se produit pas, les médecins se tournent souvent vers une procédure de laboratoire appelée fécondation in vitro, où un ovule et un spermatozoïde sont combinés à l'extérieur du corps pour créer un embryon. L'étape la plus critique et la plus difficile de ce processus consiste à choisir quel embryon unique sera replacé dans l'utérus de la femme. Traditionnellement, des scientifiques hautement qualifiés appelés embryologistes ont fait ce choix en observant l'embryon sous un microscope, jugeant sa santé en fonction de son apparence et de sa vitesse de croissance. Cependant, cette évaluation visuelle peut varier d'un expert à l'autre, et même le meilleur œil humain ne peut pas toujours prédire quel embryon réussira à prendre racine et à se développer pour devenir un bébé. Ces dernières années, des scientifiques ont commencé à tester si l'intelligence artificielle, le même type de technologie informatique capable de reconnaître des visages ou de conduire des voitures, peut aider à rendre cette sélection plus précise.
Une nouvelle revue systématique, un type d'étude qui rassemble et analyse toutes les recherches existantes sur un sujet spécifique, a maintenant examiné de près la manière dont ces systèmes informatiques se comportent réellement dans le monde réel. Les chercheurs derrière cette revue, Emmanuel Emmanuel et Ekwueme Precious, n'ont pas mené une seule nouvelle expérience. Au lieu de cela, ils ont collecté et examiné des dizaines d'études antérieures qui testaient des outils d'intelligence artificielle conçus pour classer et sélectionner les embryons. Leur objectif était de séparer le succès technique de ces modèles informatiques de leur capacité réelle à améliorer les chances d'une grossesse saine. Ils voulaient savoir si le logiciel, capable de traiter des milliers d'images et de trouver des motifs invisibles pour les humains, conduit véritablement à la naissance de plus de bébés, ou si son succès est limité à l'écran d'ordinateur.
La revue a révélé que la technologie a progressé rapidement. Les premières tentatives utilisaient des programmes informatiques simples, mais les études les plus récentes emploient l'apprentissage profond (deep learning), une méthode sophistiquée où l'ordinateur apprend en analysant de vastes bibliothèques d'images d'embryons, y compris des vidéos en accéléré (time-lapse) qui montrent l'embryon se développer heure par heure. Ces systèmes peuvent désormais noter les embryons, prédire leur santé génétique et les classer d'une manière qui correspond souvent, voire dépasse, la constance des experts humains. En termes de pure prédiction, les modèles informatiques ont montré qu'ils pouvaient distinguer les embryons susceptibles de s'implanter de ceux qui ne le sont pas. Par exemple, une étude de grande envergure impliquant près de deux cent mille embryons provenant de vingt-deux cliniques différentes a révélé que le système d'IA pouvait identifier correctement les embryons viables avec un niveau de précision allant de soixante à soixante-quinze pour cent, selon les conditions de test spécifiques.
Cependant, la revue souligne un écart important entre ce que l'ordinateur peut prédire et ce qu'il peut accomplir en clinique. Le fait qu'un modèle puisse classer avec précision des embryons dans une base de données ne signifie pas que son utilisation entraînera davantage de grossesses réussies pour les patientes. Le test le plus rigoureux de cette technologie est venu d'un essai randomisé majeur impliquant plus de mille patientes réparties dans quatorze cliniques. Dans cette étude, un groupe de patientes a vu ses embryons sélectionnés par un système d'apprentissage profond, tandis qu'un autre groupe a vu ses embryons sélectionnés par la méthode traditionnelle d'évaluation visuelle humaine. Les résultats étaient clairs : le groupe utilisant l'intelligence artificielle n'a pas été plus performant que le groupe des experts humains. En fait, le taux de grossesse clinique était légèrement inférieur pour le groupe d'IA, à quarante-six virgule cinq pour cent, contre quarante-huit virgule deux pour cent pour le groupe conventionnel. L'étude était conçue pour voir si l'IA était au moins aussi bonne que la méthode humaine, et elle a échoué à prouver ce point.
Cette conclusion suggère que, bien que l'intelligence artificielle soit un outil puissant pour analyser des données, elle ne s'est pas encore prouvé être un remplacement supérieur au jugement humain en clinique. La revue souligne que de nombreuses études antérieures montrant de grandes promesses étaient rétrospectives, ce qui signifie qu'elles examinaient des données d'embryons qui avaient déjà été transférés et étudiés. Ces études montraient souvent des liens étroits entre des scores d'IA élevés et des grossesses réussies, mais elles ne pouvaient pas prouver que l'IA causait le succès, car les embryons choisis par l'IA n'étaient pas comparés à un groupe de contrôle de manière équitable et randomisée. De plus, la revue a noté que différentes cliniques utilisent différents microscopes, différents incubateurs et différentes façons de soigner les embryons, ce qui signifie qu'un modèle informatique entraîné dans un laboratoire pourrait ne pas fonctionner aussi bien dans un autre. La technologie a également montré des signes d'instabilité, où le même embryon pouvait recevoir un classement différent si le modèle informatique était exécuté plusieurs fois, soulevant des questions sur sa fiabilité.
Les auteurs concluent que le domaine est à un tournant. Les modèles informatiques ont démontré qu'ils peuvent apprendre le langage visuel du développement embryonnaire et fournir des classements cohérents, ce qui est une réussite technique remarquable. Pourtant, la preuve que cette technologie améliore l'objectif ultime de la fécondation in vitro — la naissance d'un enfant vivant — est encore faible. La revue ne rejette pas le potentiel de l'intelligence artificielle, mais insiste sur le fait que la technologie doit être traitée comme un outil d'aide à la décision plutôt que comme une solution automatique. Avant que les cliniques puissent s'appuyer en toute confiance sur ces systèmes pour choisir les embryons, des tests indépendants supplémentaires sont nécessaires. Les études futures doivent se concentrer sur les résultats en conditions réelles, spécifiquement le nombre de bébés nés, et doivent s'assurer que le logiciel fonctionne de manière fiable à travers différents hôpitaux et groupes de patients. Jusqu'à ce qu'une telle preuve soit disponible, l'embryologiste humain reste le guide essentiel dans le voyage vers la parentalité, l'intelligence artificielle servant d'assistant utile, mais pas encore totalement digne de confiance.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.