Back to search

National and Kapodistrian University of Athens

Τεχνητή νοημοσύνη και προγνωστικοί δείκτες για την ποιότητα και τη μορφολογία των ανθρώπινων ωαρίων στην εξωσωματική γονιμοποίηση

Abstract

dc:description

Η ταχεία πρόοδος της Τεχνητής Νοημοσύνης (ΤΝ) έχει αρχίσει να ασκεί σημαντική επίδραση στη κλινική πράξη της Ιατρικής, με ιδιαίτερη έμφαση στο πεδίο της εξωσωματικής γονιμοποίησης (IVF). Η παρούσα μελέτη επιχειρεί μια συστηματική βιβλιογραφική επισκόπηση 23 εμπειρικών ερευνών και μελετών ανασκόπησης που πραγματοποιήθηκαν μεταξύ 2014-2025, με έμφαση στην ανάπτυξη και την αξιοποίηση προγνωστικών δεικτών που στοχεύουν στην αντικειμενικότερη εκτίμηση της αναπαραγωγικής δυναμικής ωαρίων και εμβρύων. Η παρούσα μελέτη αναγνωρίζοντας ότι η επιτυχία της IVF (π.χ. β-hCG, κλινική κύηση ή ζώσα γέννηση) είναι ένα πολυπαραγοντικό αποτέλεσμα αλληλοεπιδρώντων βιολογικών και εργαστηριακών παραγόντων εξετάζει πώς η ΤΝ μπορεί να μειώσει την υποκειμενικότητα στην IVF και να βελτιώσει την πρόβλεψη κλινικών εκβάσεων (βλαστοκύστη, εμφύτευση, κύηση/ζώσα γέννηση), αξιοποιώντας δεδομένα από όλο το «μονοπάτι» της της διαδικασίας IVF: από τη διέγερση των ωοθηκών μέχρι την επιλογή του εμβρύου. Στο πρώτο μέρος παρουσιάζονται οι θεωρητικές αφετηρίες, η διαδρομή της IVF και οι τεχνολογικές συνιστώσες της ΤΝ στην IVF. Η ανάλυση αναδεικνύει εφαρμογές της ΤΝ σε τρία βασικά πεδία: (α) την εξατομίκευση ττης ελεγχόμενης ωοθηκικής διέγερσης, όπου μοντέλα μηχανικής μάθησης υποστηρίζουν την επιλογή αρχικής δόσης FSH και τον χρονισμό του trigger, αξιοποιώντας κλασικούς δείκτες ωοθηκικού αποθέματος (ηλικία, BMI, AMH, AFC κ.ά.) με στόχο τη βελτιστοποίηση της απόδοσης σε ώριμα ωάρια και τη μείωση ακραίων αποκρίσεων, καθώς και την ενσωμάτωση τέτοιων εργαλείων στην πραγματική κλινική ροή βελτιστοποιώντας την πρώιμη αξιολόγηση του ωοκυττάρου, (β) την εμβρυολογική αξιολόγηση και την επιλογή εμβρύων, με ιδιαίτερη έμφαση στα δεδομένα time-lapse και στη βαθιά μάθηση (DL), όπου οι προγνωστικοί δείκτες δεν περιορίζονται σε στατικά μορφολογικά κριτήρια αλλά εκφράζονται ως σύνθετα μορφοκινητικά μοτίβα (latent biomarkers) που αποτυπώνουν τη δυναμική ανάπτυξη, και όπου ενδείκνυται, τη γενετική πληροφορία (PGT-A) με τυποποιημένη ερμηνεία ενδυναμώνοντας τη δυναμική αξιολόγηση του εμβρύου και (γ) βιοδείκτες και παθοφυσιολογικοί άξονες που σχετίζονται με την ποιότητα των ωαρίων ,η και των εμβρύων, όπως το μιτοχονδριακό DNA (mtDNA) ως δείκτης ενεργειακής κατάστασης, καθώς και το οξειδωτικό στρες/ROS, τα οποία συνδέονται με τη κυτταρική βλάβη και τη μειωμένη βιωσιμότητα, ενώ καταγράφεται η ερευνητική τάση προς μη επεμβατικούς δείκτες και νέες μετρήσεις (π.χ. μεταβολικά προφίλ) αυξάνοντας την πιθανότητα επιλογής του εμβρύου με τη μεγαλύτερη κλινική δυναμική. Παράλληλα, η εργασία υπογραμμίζει κρίσιμες προκλήσεις για την κλινική μετάφραση: την ετερογένεια μεταξύ κέντρων, την έλλειψη τυποποιημένων πρωτοκόλλων συλλογής/αναφοράς και τον διαφοροποιημένο ορισμό της «επιτυχίας», που περιορίζουν την εξωτερική εγκυρότητα των μοντέλων, καθώς και το ζήτημα της μεροληψίας (bias) όταν τα δεδομένα εκπαίδευσης δεν αποτυπώνουν επαρκώς την ποικιλομορφία ασθενών και πρακτικών. Συνεπώς, τονίζεται η ανάγκη για πολυκεντρική εξωτερική επικύρωση, εναρμόνιση των διαδικασιών καταγραφής και προσεκτική ενσωμάτωση της ΤΝ ως υποστηρικτικού (και όχι αυτόνομου) μηχανισμού λήψης αποφάσεων, με σαφή κλινικά τελικά σημεία και έλεγχο ισότητας/δικαιοσύνης στις προβλέψεις. Πέραν των τεχνικών και κλινικών ζητημάτων, η αξιοποίηση της ΤΝ στην IVF εγείρει ένα πλέγμα ηθικών και κοινωνιολογικών ερωτημάτων, καθώς μεταβάλλει τον τρόπο με τον οποίο ορίζεται και αξιολογείται η «ποιότητα» του εμβρύου και ενδέχεται να αναδιατάξει την ισορροπία ευθύνης μεταξύ κλινικού, εμβρυολόγου και υπολογιστικού συστήματος. Η αλγοριθμική κατάταξη, ακόμη και όταν λειτουργεί ως υποστηρικτικό εργαλείο, μπορεί να επηρεάσει τις αποφάσεις των υποψήφιων γονέων και να ενισχύσει την τάση «τεχνολογικοποίησης» της αναπαραγωγής, ιδίως όταν παρουσιαζεται ως ουδέτερη ή «αντικειμενική» πρόγνωση. Παράλληλα, ανακύπτουν ζητήματα διαφάνειαςή και ερμηνευσιμότητας, λογοδοσίας σε περιπτώσεις σφάλματος, καθώς και ιδιωτικότητας και διαχείρισης ευαίσθητων βιοϊατρικών δεδομένων. Τέλος, σε κοινωνικό επίπεδο, η άνιση πρόσβαση σε προηγμένα συστήματα ΤΝ και time-lapse τεχνολογίες μπορεί να διευρύνει υφιστάμενες ανισότητες, ενώ η μεροληψία (bias) σε δεδομένα εκπαίδευσης δύναται να παράγει άνισες προβλέψεις για διαφορετικούς πληθυσμούς ασθενών. Ως εκ τούτου, η ενσωμάτωση της ΤΝ προϋποθέτει σαφή πλαίσια ενημερωμένης συναίνεσης, μηχανισμούς ελέγχου δικαιοσύνης/ισότητας και θεσμικές εγγυήσεις ώστε η καινοτομία να υπηρετεί την κλινική φροντίδα χωρίς να υπονομεύει την αυτονομία και την κοινωνική εμπιστοσύνη.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Τελάκη Ειρήνη
  • Telaki Eirini

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:5449331

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

Τελάκη Ειρήνη; Telaki Eirini. Τεχνητή νοημοσύνη και προγνωστικοί δείκτες για την ποιότητα και τη μορφολογία των ανθρώπινων ωαρίων στην εξωσωματική γονιμοποίηση. 2026. https://pergamos.lib.uoa.gr/uoa/dl/object/5449331