Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence
Deze systematische review concludeert dat hoewel AI-ondersteunde embryoselectie bij IVF aanzienlijk is gevorderd in modelontwikkeling en technische prestaties, het huidige bewijs van klinische effectiviteit beperkt en inconsistent blijft, wat verdere onafhankelijke validatie en prospectieve studies noodzakelijk maakt voordat de routineuze klinische adoptie ervan kan worden vastgesteld.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Voor miljoenen stellen wereldwijd wordt de weg naar het stichten van een gezin geblokkeerd door onvruchtbaarheid, een conditie die ongeveer één op de zes mensen in de reproductieve leeftijd treft. Wanneer natuurlijke conceptie niet plaatsvindt, wenden artsen zich vaak tot een laboratoriumprocedure genaamd in vitro-fertilisatie, waarbij een eicel en zaadcel buiten het lichaam worden gecombineerd om een embryo te creëren. De meest kritische en moeilijke stap in dit proces is het kiezen van welk enkel embryo teruggeplaatst moet worden in de baarmoeder van de vrouw. Traditioneel hebben hoogopgeleide wetenschappers, genaamd embryologen, deze keuze gemaakt door het embryo onder een microscoop te bekijken en de gezondheid ervan te beoordelen op basis van hoe het eruitziet en hoe snel het groeit. Deze visuele beoordeling kan echter per expert verschillen, en zelfs het beste menselijke oog kan niet altijd voorspellen welk embryo succesvol zal nestelen en uitgroeien tot een baby. In de afgelopen jaren zijn wetenschappers begonnen met het testen of kunstmatige intelligentie, dezelfde soort computercode die gezichten kan herkennen of auto's kan besturen, kan helpen om deze selectie nauwkeuriger te maken.
Een nieuwe systematische review, een type studie dat alle bestaande onderzoeken over een specifiek onderwerp verzamelt en analyseert, heeft nu een kritische blik geworpen op hoe goed deze computersystemen in de echte wereld presteren. De onderzoekers achter deze review, Emmanuel Emmanuel en Ekwueme Precious, hebben geen enkele nieuwe experiment uitgevoerd. In plaats daarvan hebben zij tientallen eerdere studies verzameld en onderzocht die kunstmatige intelligentie-instrumenten testten die ontworpen zijn om embryo's te rangschikken en te selecteren. Hun doel was om het technische succes van deze computermodellen te scheiden van hun werkelijke vermogen om de kans op een gezonde zwangerschap te verbeteren. Ze wilden weten of de software, die in staat is duizenden afbeeldingen te verwerken en patronen te vinden die onzichtbaar zijn voor mensen, werkelijk leidt tot meer geboren baby's, of dat het succes beperkt blijft tot het computerscherm.
De review vond dat de technologie snel is gevorderd. Vroege pogingen gebruikten eenvoudige computerprogramma's, maar de meest recente studies maken gebruik van deep learning, een geavanceerde methode waarbij de computer leert door enorme bibliotheken van embryo-afbeeldingen te analyseren, inclus�en time-lapse video's die laten zien hoe het embryo uur per uur groeit. Deze systemen kunnen nu embryo's scoren, hun genetische gezondheid voorspellen en ze rangschikken op een manier die vaak overeenkomt met of zelfs de consistentie van menselijke experts overtreft. Wat betreft pure voorspelling hebben de computermodellen aangetoond dat ze onderscheid kunnen maken tussen embryo's die waarschijnlijk zullen implanteren en die dat niet zullen doen. Zo vond één grote studie met bijna tweehonderdduizend embryo's uit vierentwintig verschillende klinieken dat het AI-systeem levensvatbare embryo's correct kon identificeren met een nauwkeurigheid die varieerde van zestig tot vijften procent, afhankelijk van de specifieke testomstandigheden.
De review benadrukt echter een aanzienlijke kloof tussen wat de computer kan voorspellen en wat het in een kliniek kan bereiken. Alleen omdat een model embryo's accuraat kan rangschikken in een database, betekent dit niet dat het gebruik ervan zal resulteren in meer succesvolle zwangerschappen voor patiënten. De meest rigoureuze test van deze technologie kwam uit een grote gerandomiseerde trial waarbij meer dan duizend patiënten betrokken waren bij veertien klinieken. In deze studie werd bij één groep patiënten de selectie van hun embryo's gedaan door een deep learning-systeem, terwijl bij een andere groep de embryo's werden geselecteerd via de traditionele methode van menselijke visuele beoordeling. De resultaten waren duidelijk: de groep die kunstmatige intelligentie gebruikte, presteerde niet beter dan de groep met de menselijke experts. Sterker nog, het klinische zwangerschapspercentage was iets lager voor de AI-groep, met 46,5 procent, vergeleken met 48,2 procent voor de conventionele groep. De studie was ontworpen om te zien of de AI ten minste even goed was als de menselijke methode, en het slaagde er niet in dat punt te bewijzen.
Deze bevinding suggereert dat hoewel kunstmatige intelligentie een krachtig hulpmiddel is voor het analyseren van gegevens, het zichzelf nog niet heeft bewezen als een superieure vervanging voor menselijk oordeel in de kliniek. De review wijst erop dat veel eerdere studies die veelbelovend leken, retrospectief waren, wat betekent dat ze terugkeken op gegevens van embryo's die al waren teruggeplaatst en bestudeerd. Deze studies toonden vaak sterke verbanden tussen hoge AI-scores en succesvolle zwangerschappen, maar ze konden niet bewijzen dat de AI de oorzaak van het succes was, aangezien de door de AI gekozen embryo's niet op een eerlijke, gerandomiseerde manier tegen een controlegroep waren afgezet. Bovendien merkte de review op dat verschillende klinieken verschillende microscopen, verschillende incubatoren en verschillende manieren gebruiken om embryo's te verzorgen, wat betekent dat een computermodel dat getraind is in het ene laboratorium mogelijk niet zo goed werkt in een ander. De technologie vertoonde ook tekenen van instabiliteit, waarbij hetzelfde embryo een andere rangorde kon krijgen als het computermodel meerdere keren werd gedraaid, wat vragen oproept over de betrouwbaarheid ervan.
De auteurs concluderen dat het vakgebied zich op een kantelpunt bevindt. De computermodellen hebben aangetoond dat ze de visuele taal van embryo-ontwikkeling kunnen leren en consistente rangschikkingen kunnen bieden, wat een opmerkelijke technische prestatie is. Toch is het bewijs dat deze technologie het uiteindelijke doel van in vitro-fertilisatie — het krijgen van een levende geboorte — verbetert, nog steeds zwak. De review wijst de potentie van kunstmatige intelligentie niet af, maar benadrukt dat de technologie moet worden behandeld als een beslissingsondersteunend hulpmiddel in plaats van een automatische oplossing. Voordat klinieken met vertrouwen op deze systemen kunnen vertrouwen bij het kiezen van embryo's, is meer onafhankelijke testen nodig. Toekomstige studies moeten zich richten op resultaten in de echte wereld, specifiek het aantal geboren baby's, en moeten ervoor zorgen dat de software betrouwbaar werkt in verschillende ziekenhuizen en patiëntengroepen. Totdat dergelijk bewijs beschikbaar is, blijft de menselijke embryoloog de essentiële gids in de reis naar het ouderschap, waarbij kunstmatige intelligentie dient als een nuttige, maar nog niet volledig vertrouwde assistent.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.