Κατεύθυνση Αναπαραγωγική-Αναγεννητική Ιατρική
Βιβλιοθήκη Επιστημών Υγείας

2024-04-10

2024

Σπηλιώτης Δημήτριος-Εμμανουήλ

Καλαμπόκας Θεόδωρος, Επίκουρος Καθηγητής, Ιατρική Σχολή, ΕΚΠΑ
Δρακάκης Πέτρος, Καθηγητής, Ιατρική Σχολή, ΕΚΠΑ
Σταύρος Σοφοκλής, Επίκουρος Καθηγητής, Ιατρική Σχολή, ΕΚΠΑ

Εφαρμογές της τεχνητής νοημοσύνης στις τεχνικές της υποβοηθούμενης αναπαραγωγής

Ελληνικά

Εφαρμογές της τεχνητής νοημοσύνης στις τεχνικές της υποβοηθούμενης αναπαραγωγής

Η τεχνητή νοημοσύνη (ΑΙ) είναι ένας γενικός όρος, ο οποίος περιγράφει τη μίμηση, από υπολογιστικά συστήματα, λειτουργιών του ανθρώπινου εγκεφάλου οι οποίες απαιτούν ευφυΐα. Αν και η ιδέα των έξυπνων υπολογιστών υπάρχει ήδη από τα μέσα του εικοστού αιώνα, συστηματική προσπάθεια ανάπτυξης εφαρμογών τεχνητής νοημοσύνης λαμβάνει χώρα κυρίως την τελευταία δεκαετία. Οι ευρύτερα χρησιμοποιούμενες μέθοδοι, οι οποίες αξιοποιούνται για την ανάπτυξη αυτών των υπολογιστικών μοντέλων, είναι η μηχανική μάθηση, τα τεχνητά νευρωνικά δίκτυα και η βαθιά μάθηση.
Πρόσφατα, λόγω της σχεδόν πλήρους μετατροπής των ιατρικών εγγράφων και εικόνων σε ψηφιακή μορφή, έχει σημειωθεί σημαντική ανάπτυξη και αύξηση των εφαρμογών τεχνητής νοημοσύνης σχετικών με την ιατρική πράξη. Αλγόριθμοι μηχανικής μάθησης και φυσικής επεξεργασίας γλώσσας καθιστούν δυνατές, μεταξύ άλλων, τη διάγνωση ασθενειών από το ιστορικό των ασθενών, την ταχύτατη ανάλυση ιατρικών εικόνων και την αυτοματοποιημένη αξιολόγησηιστολογικών παρασκευασμάτων.
Η υποβοηθούμενη αναπαραγωγή αποτελεί έναν τομέα ο οποίος έχει σημειώσει αλματώδη πρόοδο και έχει γνωρίσει σημαντικό αριθμό καινοτόμων τεχνικών και τεχνολογιών, ωστόσο τα ποσοστά επιτυχίας διεθνώς παραμένουν χαμηλά, γεγονός το οποίο εν μέρει οφείλεται στην υποκειμενικότητα της μορφολογικής αξιολόγησης γαμετών και εμβρύων. Λύση στο πρόβλημα καλείται να δώσει η ένταξη της τεχνητής νοημοσύνης στην καθημερινή πρακτική του εργαστηρίου, βελτιώνοντας την αντικειμενικότητα και την επαναληψιμότητα των αξιολογήσεων, αυξάνοντας την ταχύτητα και την αποδοτικότητα και πραγματοποιώντας πολύπλοκους συσχετισμούς και προβλέψεις τις οποίες είναι αδύνατον να εξάγει ο άνθρωπος.
Σκοπός της παρούσας εργασίας είναι η ανασκόπηση της υπάρχουσας γνώσης από
τη διεθνή βιβλιογραφία σχετικά με τις εφαρμογές και τα οφέλη της τεχνητής
νοημοσύνης στην υποβοηθούμενη αναπαραγωγή. Οι πλέον διαδεδομένες μέθοδοι
βρέθηκε πως είναι η μηχανική και βαθιά μάθηση, η υπολογιστική όραση, τα νευρωνικά
δίκτυα - κυρίως συνελικτικά και βαθιά - και η μηχανή διανυσμάτων υποστήριξης. Οι
δημοσιεύσεις οι οποίες συγκεντρώθηκαν έχουν ως αντικείμενο τόσο την ανάπτυξη και
αξιολόγηση νέων υπολογιστικών μοντέλων, όσο και τη διερεύνηση της κλινικής αξίας
προγραμμάτων και ολοκληρωμένων αυτόματων αναλυτών τεχνητής νοημοσύνης και
καλύπτουν όλο το φάσμα των τεχνικών της υποβοηθούμενης αναπαραγωγής, από την
αξιολόγηση και επιλογή γαμετών και εμβρύων μέχρι τον σχεδιασμό εξατομικευμένων
πρωτοκόλλων διέγερσης ωοθηκών και την πρόβλεψη της έκβασης της IVF πριν την
ολοκλήρωση του πρώτου κύκλου.
Μελετώντας τις υπάρχουσες έρευνες, καθίσταται σαφές το γεγονός πως η τεχνητή
νοημοσύνη έχει προοπτικές να αποτελέσει αναπόσπαστο τμήμα της νέας εποχής της
υποβοηθούμενης αναπαραγωγής και να συμβάλει τα μέγιστα στη βελτίωση των
ποσοστών επιτυχίας. Ωστόσο, τα περιθώρια βελτίωσης είναι μεγάλα και απαιτείται η
διεξαγωγή μεγάλης κλίμακας μελετών, καθώς και τυχαιοποιημένων κλινικών δοκιμών
(RCTs), προκειμένου να εξαχθούν ασφαλή συμπεράσματα για τη χρησιμότητα των
αλγορίθμων ΑΙ στην καθημερινή πρακτική.

Επιστήμες Υγείας

Τεχνητή Νοημοσύνη, Υποβοηθούμενη αναπαραγωγή, Εξωσωματική γονιμοποίηση, Αξιολόγηση ωαρίων, Επιλογή εμβρύων

Όχι

0

Ναι

192

107

Δεν επιτρέπεται η πρόσβαση στο αρχείο έως 2025-04-11.

https://pergamos.lib.uoa.gr/uoa/dl/object/3396058