به گزارش پایگاه اطلاع رسانی بنیان، با پایین ماندن میزان موفقیت در نتایج IVF و پیشرفت آهسته نوآوری، OVUM تاکید می‌کند که ترکیب هوش مصنوعی با علوم حاضر، فرصتی برای درمان با کیفیت بهتر و نرخ موفقیت IVF فراهم می‌آورد. طبق آمار اخیر سازمان لقاح و جنین شناسی انسانی (HFEA)، نرخ تولد زنده به ازای هر جنین منتقل شده در حال حاضر برای بیماران 35-37 و 38-39 سال به ترتیب 25 و 19 درصد است. این ارقام بر نیاز به پیشرفت در علم IVF تاکید می‌کند و ادغام فناوری هوش مصنوعی در کلینیک‌های IVF مدت‌هاست که به تعویق افتاده است. در سطح جهانی، نرخ موفقیت فعلی IVF حدود 30 درصد است که باعث افزایش تلاش‌های تحقیقاتی برای افزایش این نتایج می‌شود. در نتیجه، هوش مصنوعی و یادگیری ماشینی به عنوان راه حل های بالقوه در کلینیک IVF در حال ظهور هستند.

هوش مصنوعی

آینده هوش مصنوعی چشم‌اندازی است که به سرعت در حال تغییر است، به این دلیل که نوآوری‌های کنونی در زمینه هوش مصنوعی با چنان سرعتی شتاب‌انگیز در حال شتاب هستند که ادامه دادن به آن دشوار است. در واقع، هوش مصنوعی در هر صنعت، در حال شکل دادن به آینده بشریت است. این در حال حاضر محرک اصلی فناوری‌های نوظهور مانند داده‌های بزرگ، روباتیک و اینترنت اشیاء است – به بیانی دیگر هوش مصنوعی مولد، با ابزارهایی مانند ChatGPT و مولدهای هنری AI است که توجه جریان اصلی را به خود جلب می‌کنند - و از این طریق به عنوان یک مبتکر فناوری برای آینده قابل پیش‌بینی ادامه خواهد داد. تقریباً 44 درصد از شرکت‌ها به دنبال سرمایه گذاری جدی در هوش مصنوعی و ادغام آن در تجارت خود هستند. و از 9130 پتنت دریافت شده توسط مخترعان IBM در سال 2021، 2300 مورد مربوط به هوش مصنوعی بود.

استفاده از هوش مصنوعی در کلینیک‌های IVF

استفاده از هوش مصنوعی در کلینیک‌های IVF نوید بزرگی برای رسیدگی به چالش‌های پیش روی زوج‌هایی است که با ناباروری دست و پنجه نرم می‌کنند. IVF شامل بازیابی تخمک از تخمدان زن، لقاح در آزمایشگاه و سپس انتقال جنین حاصله به رحم زن است. با این حال، فقدان میزان موفقیت و تغییرات ثابت در میان کلینیک‌ها، نیاز به تکنیک‌های بهبود یافته را برجسته می‌کند.  OVUM این سوال را مطرح می‌کند: آیا هوش مصنوعی می‌تواند به کاهش این تغییرات و افزایش میزان موفقیت IVF کمک کند؟

هوش مصنوعی و IVF

هوش مصنوعی به الگوریتم‌های ریاضی اطلاق می‌شود که تصمیمات یا تجزیه و تحلیل‌های انجام شده توسط پزشکان یا جنین شناسان را خودکار می‌کند. توانایی الگوریتم‌ها برای پردازش و طبقه‌بندی حجم وسیعی از داده‌ها، فرصت‌های مهمی را برای نقش هوش مصنوعی در IVF ارائه می‌کند. با استفاده از داده‌های چرخه‌های قبلی IVF، هوش مصنوعی می‌تواند پروتکل‌های IVF شخصی‌شده را پیشنهاد کند و به انتخاب زنده‌ترین جنین برای انتقال، دو جنبه حیاتی درمان IVF، کمک کند. OVUM  تاکید می‌کند که با توجه به اینکه ذهنیت ذاتی انسانی در فرآیند تصمیم گیری، به تغییرات بین کلینیک‌ها کمک می‌کند. ادغام هوش مصنوعی می‌تواند ذهنیت ارزیابی انسان را از بین ببرد و جنین‌ها را به طور عینی رتبه بندی کند یا پروتکل‌های بیمار را بر اساس بینش‌های مبتنی بر داده تعیین کند.

مزایای بکارگیری هوش مصنوعی  در انتخاب جنین

انتخاب جنین یکی از زمینه‌هایی است که هوش مصنوعی در آن مورد توجه بسیاری قرار گرفته است و احتمالاً اولین کاربرد هوش مصنوعی در کلینیک‌های IVF است. در حال حاضر، جنین شناسان به صورت دستی زنده‌ترین جنین را برای انتقال بر اساس مشاهدات بصری و نتایج آزمایش کروموزومی انتخاب می‌کنند. با این حال، این فرآیند زمان‌بر به دلیل تفاوت در آموزش، شیوه‌های کلینیک و روش‌های درجه‌بندی، مستعد سوگیری و خطا است. کارشناسان باروری در OVUM به اشتراک می‌گذارند که ابزارهای هوش مصنوعی می‌توانند با استفاده از شناسایی الگو و مجموعه داده‌های مرجع بر این محدودیت‌ها غلبه کنند و همین عامل آنها را قادر می‌سازد تا جنین‌هایی را که به احتمال زیاد منجر به بارداری موفق شوند، توصیه کنند.

مزایای بکارگیری هوش مصنوعی در انتخاب پروتکل‌های درمانی

تأثیر بالقوه AI در IVF به انتخاب پروتکل‌های درمانی نیز بسط می‌یابد. در حال حاضر، پروتکل‌ها می‌توانند بسیار متغیر باشند و برای یافتن یک پروتکل بهینه و شخصی‌شده برای هر بیمار، اغلب یک رویکرد آزمون و خطا ضروری است. این فرآیند می‌تواند برای زوج‌هایی که چندین دوره IVF را انجام می‌دهند، از نظر عاطفی و مالی سنگین باشد. هوش مصنوعی می‌تواند به پزشکان در تدوین برنامه‌های درمان باروری بهینه و شخصی‌شده بر اساس ویژگی‌های بیمار، استفاده از مجموعه داده‌های بزرگی که در غیر این صورت برای پزشکان در دسترس نبود، کمک کند.

بکارگیری هوش مصنوعی به عنوان یک ابزار پشتیبانی تصمیم گیری بالینی

بنیانگذار OVUM، جنی وردزورث، به عنوان وکیل و عضو انجمن باروری بریتانیا، در مورد عواملی که باید قبل از پیاده سازی هوش مصنوعی در سراسر بخش باروری در نظر گرفته شوند، اظهار نظر کرد و گفت: «ما باید اذعان کنیم که تنها با تکیه کردن بر کارآزمایی‌های تصادفی کنترل شده با کیفیت بالا ( RCTها) برای تأیید اثربخشی هوش مصنوعی در بخش IVF ممکن است، مانع پیشرفت کار با هوش مصنوعی شود. زیرا تا زمانی که یک RCT منتشر شود، بدون شک نسخه الگوریتم هوش مصنوعی قدیمی می‌شود. بنابراین ما باید روش‌های اعتبار سنجی جایگزین را برای این فناوری جدید، با در نظر گرفتن ویژگی های منحصر به فرد آن به عنوان یک ابزار پشتیبانی تصمیم گیری بالینی، بررسی کنیم.

ارزیابی ابزارهای هوش مصنوعی  به عنوان درمان‌های جدید

نهادهای نظارتی، مانند HFEA، نقش مهمی در ارزیابی درمان‌های جدید مانند ابزارهای هوش مصنوعی برای انتخاب جنین دارند. در حالی که RCT ها مهم هستند، رویکرد جدید پیشنهادی (اما هنوز تایید نشده) توسط HFEA می‌تواند نوآوری سریع تری را با اجازه دادن به AI برای تایید برای یک دوره مشخص و به دنبال آن ارزیابی شواهد در دنیای واقعی، فعال کند. در این شیوه درمانی جدید، می‌توان نقش جنین شناسان و وظایف خاص آنها مانند اندازه گیری فولیکول‌ها یا شمارش سلول‌ها در جنین‌ها را به طور موثر به هوش مصنوعی محول کرد. با این حال، متخصصان مراقبت‌های بهداشتی باید هوش مصنوعی را قبل از پذیرش آن در محیط‌های بالینی درک کنند. زیرا آموزش و زمان به ایجاد اعتماد کمک می‌کند و نشان می‌دهد که هوش مصنوعی بدون جایگزینی تخصص آنها، عملکرد آنها را افزایش می‌دهد.

بررسی خطرات و مزایای بالقوه هوش مصنوعی در پزشکی

شفافیت یک نگرانی کلیدی برای هوش مصنوعی است، زیرا اغلب به عنوان یک "جعبه سیاه" بدون افشای فرآیند تصمیم گیری خود عمل می‌کند. برای ایجاد اعتماد، باید مدل‌های شفاف‌تر و قابل تفسیرتری را انتخاب کنیم که به متخصصان اجازه ‌دهد تا عملکرد هوش مصنوعی را بررسی و درک کنند. «ایمنی و گزارش دقیق برای اعتماد پزشکان و بیماران به مدل‌های هوش مصنوعی ضروری است. بحث های آزاد در مورد خطرات و مزایای بالقوه هوش مصنوعی در پزشکی، از جمله IVF، برای توسعه یک چارچوب نظارتی قوی بسیار مهم است.

«در دسترس بودن داده‌ها برای استفاده اصلی از هوش مصنوعی در کلینیک‌ها حیاتی است. به اشتراک گذاری داده‌ها به شیوه ای منصفانه و محرمانه پزشکی، همراه با توسعه روش‌هایی برای ساده سازی پردازش داده‌ها، کارایی مدل‌های هوش مصنوعی را افزایش می‌دهد. با توجه به اینکه سالانه بیش از سه میلیون زن در سراسر جهان تحت IVF قرار می‌گیرند، هرچه داده‌های بیشتری داشته باشیم، هوش مصنوعی بهتر می‌تواند به نتایج بهتر کمک کند.»

پایان مطلب/.