Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence
यह व्यवस्थित समीक्षा यह निष्कर्ष निकालती है कि यद्यपि IVF में AI-सहायता प्राप्त भ्रूण चयन मॉडल विकास और तकनीकी प्रदर्शन के मामले में काफी उन्नत हुआ है, फिर भी नैदानिक प्रभावकारिता का वर्तमान साक्ष्य सीमित और असंगत बना हुआ है, जिसके लिए इसके नियमित नैदानिक अंगीकरण को स्थापित करने से पहले आगे के स्वतंत्र सत्यापन और भावी अध्ययनों की आवश्यकता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
दुनिया भर में लाखों जोड़ों के लिए, परिवार शुरू करने का मार्ग बांझपन (इनफर्टिलिटी) के कारण बाधित है, एक ऐसी स्थिति जो प्रजनन आयु के लगभग छह में से एक व्यक्ति को प्रभावित करती है। जब प्राकृतिक गर्भधारण नहीं होता है, तो डॉक्टर अक्सर 'इन विट्रो फर्टिलाइजेशन' नामक एक प्रयोगशाला प्रक्रिया की ओर रुख करते हैं, जहाँ शरीर के बाहर अंडे और शुक्राणु को मिलाकर एक भ्रूण बनाया जाता है। इस प्रक्रिया का सबसे महत्वपूर्ण और कठिन चरण यह चुनना है कि किस एकल भ्रूण को महिला के गर्भाशय में वापस रखा जाए। पारंपरिक रूप से, एम्ब्रियोलॉजिस्ट (भ्रूण विज्ञानी) कहे जाने वाले अत्यधिक प्रशिक्षित वैज्ञानिक सूक्ष्मदर्शी (माइक्रोस्कोप) के नीचे भ्रूण को देखकर, उसके दिखने के तरीके और उसके बढ़ने की गति के आधार पर उसके स्वास्थ्य का आकलन करके यह निर्णय लेते रहे हैं। हालाँकि, यह दृश्य मूल्यांकन एक विशेषज्ञ से दूसरे विशेषज्ञ के बीच भिन्न हो सकता है, और यहाँ तक कि सबसे बेहतरीन मानवीय आँख भी हमेशा यह भविष्यवाणी नहीं कर सकती कि कौन सा भ्रूण सफलतापूर्वक जड़ जमा लेगा और बच्चे के रूप में विकसित होगा। हाल के वर्षों में, वैज्ञानिकों ने यह परीक्षण करना शुरू कर दिया है कि क्या आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता), वही तकनीक जो चेहरों को पहचान सकती है या कारों को चला सकती है, इस चयन को अधिक सटीक बनाने में मदद कर सकती है।
एक नया व्यवस्थित समीक्षा (सिस्टमैटिक रिव्यू), जो एक विशिष्ट विषय पर मौजूदा सभी शोधों को एकत्र करने और उनका विश्लेषण करने वाला एक प्रकार का अध्ययन है, ने अब इस बात पर कड़ी नज़र डाली है कि ये कंप्यूटर सिस्टम वास्तव में वास्तविक दुनिया में कैसा प्रदर्शन कर रहे हैं। इस समीक्षा के पीछे के शोधकर्ताओं, इमैनुएल इमैनुएल और एक्वुमे प्रेशियस ने कोई नया प्रयोग नहीं किया। इसके बजाय, उन्होंने भ्रूणों को रैंक करने और चुनने के लिए डिज़ाइन किए गए आर्टिफिशियल इंटेलिजेंस टूल्स के परीक्षण करने वाले दर्जनों पिछले अध्ययनों को एकत्र और परीक्षित किया। उनका लक्ष्य इन कंप्यूटर मॉडलों की तकनीकी सफलता को उनकी स्वस्थ गर्भावस्था की संभावनाओं में सुधार करने की वास्तविक क्षमता से अलग करना था। वे जानना चाहते थे कि क्या यह सॉफ्टवेयर, जो हजारों छवियों को प्रोसेस कर सकता है और ऐसे पैटर्न खोज सकता है जो मनुष्यों के लिए अदृश्य हैं, वास्तव में अधिक बच्चों के जन्म का कारण बनता है, या इसकी सफलता केवल कंप्यूटर स्क्रीन तक ही सीमित है।
समीक्षा में पाया गया कि यह तकनीक तेजी से विकसित हुई है। शुरुआती प्रयासों में सरल कंप्यूटर प्रोग्रामों का उपयोग किया गया था, लेकिन हालिया अध्ययन 'डीप लर्निंग' का उपयोग करते हैं, जो एक परिष्कृत विधि है जहाँ कंप्यूटर भ्रूण की विशाल लाइब्रेरी का विश्लेषण करके सीखता है, जिसमें टाइम-लैप्स वीडियो भी शामिल हैं जो भ्रूण को घंटे-दर-घंटे बढ़ते हुए दिखाते हैं। ये सिस्टम अब भ्रूणों को स्कोर दे सकते हैं, उनके आनुवंशिक स्वास्थ्य की भविष्यवाणी कर सकते हैं, और उन्हें इस तरह से रैंक कर सकते हैं जो अक्सर मानव विशेषज्ञों की निरंतरता के बराबर या उससे भी बेहतर होता है। शुद्ध भविष्यवाणी के मामले में, कंप्यूटर मॉडलों ने दिखाया है कि वे उन भ्रूणों के बीच अंतर कर सकते हैं जिनके प्रत्यारोपण (इम्प्लांटेशन) की संभावना है और जिनके नहीं है। उदाहरण के लिए, बाईस विभिन्न क्लीनिकों से लगभग दो लाख भ्रूणों वाले एक बड़े अध्ययन में पाया गया कि एआई सिस्टम साठ प्रतिशत से पचहत्तर प्रतिशत के बीच की सटीकता के साथ व्यवहार्य भ्रूणों की सही पहचान कर सकता था, जो विशिष्ट परीक्षण स्थितियों पर निर्भर करता है।
हालाँकि, समीक्षा इस बात पर प्रकाश डालती है कि कंप्यूटर द्वारा की जा सकने वाली भविष्यवाणी और क्लिनिक में इसके वास्तविक परिणाम के बीच एक बड़ा अंतर है। सिर्फ इसलिए कि एक मॉडल डेटाबेस में भ्रूणों को सटीक रूप से रैंक कर सकता है, इसका मतलब यह नहीं है कि इसका उपयोग करने से रोगियों के लिए अधिक सफल गर्भधारण होगा। इस तकनीक का सबसे कठोर परीक्षण चौदह क्लीनिकों में एक हजार से अधिक रोगियों वाले एक प्रमुख रैंडमाइज्ड ट्रायल से आया। इस अध्ययन में, रोगियों के एक समूह के भ्रूणों का चयन एक डीप लर्निंग सिस्टम द्वारा किया गया था, जबकि दूसरे समूह के भ्रूणों का चयन पारंपरिक पद्धति यानी मानव दृश्य मूल्यांकन द्वारा किया गया था। परिणाम स्पष्ट थे: आर्टिफिशियल इंटेलिजेंस का उपयोग करने वाले समूह ने मानव विशेषज्ञों वाले समूह से बेहतर प्रदर्शन नहीं किया। वास्तव में, एआई समूह में नैदानिक गर्भावस्था दर (क्लीनिकल प्रेग्नेंसी रेट) थोड़ी कम थी, जो मानव समूह के लिए अड़तालीस दशमलव दो प्रतिशत के मुकाबले छियालीस दशमलव पांच प्रतिशत थी। अध्ययन यह देखने के लिए बनाया गया था कि क्या एआई मानव पद्धति के कम से कम बराबर है, और यह उस बिंदु को सिद्ध करने में विफल रहा।
यह निष्कर्ष बताता है कि हालांकि आर्टिफिशियल इंटेलिजेंस डेटा का विश्लेषण करने के लिए एक शक्तिशाली उपकरण है, इसने अभी तक क्लिनिक में मानव निर्णय के एक श्रेष्ठ विकल्प के रूप में खुद को साबित नहीं किया है। समीक्षा बताती है कि पहले के कई अध्ययन जो बड़ी संभावना दिखाते थे, वे 'रेट्रोस्पेक्टिव' (पूर्वव्यापी) थे, जिसका अर्थ है कि उन्होंने उन भ्रूणों के डेटा को देखा जो पहले ही प्रत्यारोपित किए जा चुके थे और जिनका अध्ययन किया जा चुका था। उन अध्ययनों ने उच्च एआई स्कोर और सफल गर्भधारण के बीच मजबूत संबंध दिखाया, लेकिन वे यह साबित नहीं कर सके कि एआई ही सफलता का कारण था, क्योंकि एआई द्वारा चुने गए भ्रूणों की तुलना एक निष्पक्ष, रैंडमाइज्ड तरीके से नियंत्रण समूह (कंट्रोल ग्रुप) के साथ नहीं की गई थी। इसके अलावा, समीक्षा ने नोट किया कि विभिन्न क्लीनिक अलग-अलग माइक्रोस्कोप, अलग-अलग इनक्यूबेटर और भ्रूणों की देखभाल के अलग-अलग तरीके उपयोग करते हैं, जिसका अर्थ है कि एक प्रयोगशाला में प्रशिक्षित कंप्यूटर मॉडल दूसरी प्रयोगशाला में उतना अच्छा काम नहीं कर सकता है। तकनीक में अस्थिरता के लक्षण भी दिखे, जहाँ एक ही भ्रूण को अलग रैंक मिल सकती थी यदि कंप्यूटर मॉडल को कई बार चलाया जाता, जिससे इसकी विश्वसनीयता पर सवाल खड़े होते हैं।
लेखक निष्कर्ष निकालते हैं कि यह क्षेत्र एक निर्णायक मोड़ पर है। कंप्यूटर मॉडलों ने प्रदर्शित किया है कि वे भ्रूण के विकास की दृश्य भाषा को सीख सकते हैं और सुसंगत रैंकिंग प्रदान कर सकते हैं, जो कि एक उल्लेखनीय तकनीकी उपलब्धि है। फिर भी, यह प्रमाण कि यह तकनीक इन विट्रो फर्टिलाइजेशन के अंतिम लक्ष्य—जीवित जन्म—को बेहतर बनाती है, अभी भी कमजोर है। समीक्षा आर्टिफिशियल इंटेलिजेंस को खारिज नहीं करती है, लेकिन इस बात पर जोर देती है कि तकनीक को एक स्वचालित समाधान के बजाय एक 'निर्णय-सहायता उपकरण' (डिसीजन-सपोर्ट टूल) के रूप में माना जाना चाहिए। इससे पहले कि क्लीनिक भ्रूणों को चुनने के लिए इन प्रणालियों पर भरोसा कर सकें, अधिक स्वतंत्र परीक्षण की आवश्यकता है। भविष्य के अध्ययनों को वास्तविक दुनिया के परिणामों, विशेष रूप से पैदा हुए बच्चों की संख्या पर ध्यान केंद्रित करना चाहिए, और यह सुनिश्चित करना चाहिए कि सॉफ्टवेयर विभिन्न अस्पतालों और रोगी समूहों में विश्वसनीय रूप से काम करे। जब तक ऐसा प्रमाण उपलब्ध नहीं होता, तब तक मानव भ्रूण विज्ञानी (एम्ब्रियोलॉजिस्ट) पितृत्व की यात्रा में एक आवश्यक मार्गदर्शक बना रहेगा, जिसमें आर्टिफिशियल इंटेलिजेंस एक सहायक के रूप में कार्य करता है, लेकिन अभी तक पूरी तरह से भरोसेमंद नहीं हुआ है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।