Back to search

National and Kapodistrian University of Athens

Ο ρόλος της τεχνητής νοημοσύνης και της μηχανικής μάθησης στην βελτιστοποίηση των μεθόδων επιλογής εμβρύων στο πλαίσιο της εξωσωματικής γονιμοποίησης

Abstract

dc:description

Η παρούσα εργασία εξετάζει τον ρόλο της Τεχνητής Νοημοσύνης (Artificial Intelligence, AI) και της Μηχανικής Μάθησης (Machine Learning, ML) στη βελτιστοποίηση των μεθόδων επιλογής εμβρύων στο πλαίσιο της Εξωσωματικής Γονιμοποίησης (In Vitro Fertilization, IVF). Η επιλογή του κατάλληλου εμβρύου αποτελεί κρίσιμο παράγοντα για την επιτυχία της εμφύτευσης και τη μείωση των ποσοστών αποτυχίας, καθώς οι παραδοσιακές μέθοδοι — μορφολογική αξιολόγηση, προεμφυτευτικός γενετικός έλεγχος (PGT) και τεχνολογία απεικόνισης time-lapse — παρουσιάζουν περιορισμούς, κυρίως λόγω της υποκειμενικότητας και της μεταβλητότητας στην ερμηνεία των δεδομένων. Η εργασία παρουσιάζει το θεωρητικό υπόβαθρο της εξωσωματικής γονιμοποίησης, αναλύοντας τα στάδια της διαδικασίας, τους παράγοντες που επηρεάζουν την επιτυχία της, καθώς και τα υφιστάμενα κριτήρια επιλογής εμβρύων. Παράλληλα, αναπτύσσονται οι βασικές αρχές της τεχνητής νοημοσύνης και της μηχανικής μάθησης, περιγράφοντας τους κύριους αλγορίθμους που χρησιμοποιούνται για ανάλυση και πρόβλεψη βιοϊατρικών δεδομένων, όπως τα Convolutional Neural Networks (CNN), τα Support Vector Machines (SVM) και οι Random Forests. Ιδιαίτερη έμφαση δίνεται στη χρήση βαθιών νευρωνικών δικτύων (Deep Learning) για την ανάλυση μορφολογικών και μορφοκινητικών χαρακτηριστικών εμβρύων, μέσω δεδομένων εικόνας και βίντεο time-lapse. Επιπλέον, γίνεται αναφορά σε σύγχρονα εμπορικά συστήματα τεχνητής νοημοσύνης, όπως τα Life Whisperer, iDAScore και CHLOE-EQ, τα οποία χρησιμοποιούνται ήδη σε κλινικό επίπεδο για την αυτοματοποιημένη αξιολόγηση της εμβρυϊκής ποιότητας. Τα συστήματα αυτά αποδεικνύουν ότι η ενσωμάτωση της AI μπορεί να βελτιώσει σημαντικά την ακρίβεια, την ταχύτητα και την αντικειμενικότητα της επιλογής εμβρύων, συμβάλλοντας στη μείωση του ανθρώπινου σφάλματος και στην αύξηση των ποσοστών επιτυχούς κύησης. Η μελέτη καταδεικνύει ότι, παρότι η τεχνητή νοημοσύνη δεν δύναται να αντικαταστήσει πλήρως τον ρόλο του εμβρυολόγου, μπορεί να λειτουργήσει ως πολύτιμο υποστηρικτικό εργαλείο στη διαδικασία λήψης αποφάσεων. Παράλληλα, επισημαίνονται οι τρέχουσες προκλήσεις και τα ηθικά ζητήματα που ανακύπτουν, όπως η ανάγκη για αξιόπιστα και αντιπροσωπευτικά δεδομένα, η αντιμετώπιση αλγοριθμικών προκαταλήψεων (bias) και η διασφάλιση της ιδιωτικότητας των ασθενών. Συνολικά, η εφαρμογή της Τεχνητής Νοημοσύνης στην εμβρυολογία αναμένεται να αποτελέσει καθοριστικό παράγοντα για τη μελλοντική εξέλιξη της υποβοηθούμενης αναπαραγωγής, οδηγώντας προς την κατεύθυνση των αυτοματοποιημένων εργαστηρίων και της εξατομικευμένης ιατρικής, με στόχο τη βελτιστοποίηση των αποτελεσμάτων της εξωσωματικής γονιμοποίησης.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Μαθιουδάκη Χριστίνα
  • Mathioudaki Christina

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:5313481

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Μαθιουδάκη Χριστίνα; Mathioudaki Christina. Ο ρόλος της τεχνητής νοημοσύνης και της μηχανικής μάθησης στην βελτιστοποίηση των μεθόδων επιλογής εμβρύων στο πλαίσιο της εξωσωματικής γονιμοποίησης. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5313481