Back to search

National and Kapodistrian University of Athens

Βελτιστοποίηση των αποτελεσμάτων της θεραπείας γονιμότητας με τη χρήση Τεχνητής Νοημοσύνης: Ο ρόλος της Τεχνητής Νοημοσύνης στον βέλτιστο χρονισμό της ωρίμανσης - Συστηματική ανασκόπηση

Abstract

dc:description

Εισαγωγή: Η ελεγχόμενη διέγερση των ωοθηκών αποτελεί βασικό στάδιο της εξωσωματικής γονιμοποίησης, επηρεάζοντας άμεσα τον αριθμό και την ωριμότητα των ωαρίων. Παρά τη χρήση καθιερωμένων δεικτών παρακολούθησης, εξακολουθεί να παρατηρείται σημαντική μεταβλητότητα στην ωοθηκική ανταπόκριση και στη λήψη κλινικών αποφάσεων. Η τεχνητή νοημοσύνη αναδεικνύεται ως ένα πολλά υποσχόμενο εργαλείο για την υποστήριξη εξατομικευμένων θεραπευτικών στρατηγικών. Σκοπός: Η συστηματική ανασκόπηση της διαθέσιμης βιβλιογραφίας σχετικά με την εφαρμογή της τεχνητής νοημοσύνης στην ελεγχόμενη διέγερση των ωοθηκών, με ιδιαίτερη έμφαση στον βέλτιστο χρόνο χορήγησης του trigger, στην πρόβλεψη της απόδοσης και της ωρίμανσης των ωαρίων, καθώς και στη βελτιστοποίηση των στρατηγικών διέγερσης. Μέθοδοι: Πραγματοποιήθηκε συστηματική αναζήτηση στις βάσεις δεδομένων PubMed και Scopus έως τις 10 Φεβρουαρίου 2026. Συμπεριλήφθηκαν μελέτες που αξιολογούσαν μοντέλα τεχνητής νοημοσύνης ή μηχανικής μάθησης στο πλαίσιο της ωοθηκικής διέγερσης για IVF. Τα δεδομένα εξήχθησαν με προκαθορισμένο πρωτόκολλο και αναλύθηκαν ποιοτικά. Αποτελέσματα: Συνολικά συμπεριλήφθηκαν 17 μελέτες, οι περισσότερες εκ των οποίων ήταν αναδρομικές και μονοκεντρικές. Τα μοντέλα τεχνητής νοημοσύνης εφαρμόστηκαν κυρίως στην πρόβλεψη της ωοθηκικής ανταπόκρισης, της ωρίμανσης των ωαρίων, του χρόνου χορήγησης του trigger και στη διαχείριση της διέγερσης. Η ηλικία, η αντιμυλλέριος ορμόνη (AMH), ο αριθμός AFC, τα επίπεδα οιστραδιόλης και τα υπερηχογραφικά χαρακτηριστικά των ωοθυλακίων αναδείχθηκαν ως οι σημαντικότεροι προγνωστικοί παράγοντες. Ωστόσο, παρατηρήθηκε σημαντική μεθοδολογική ετερογένεια ενώ μόνο λίγες μελέτες αξιολόγησαν τα μοντέλα σε ανεξάρτητους πληθυσμούς ασθενών. Συμπεράσματα: Η τεχνητή νοημοσύνη παρουσιάζει σημαντικές δυνατότητες ως εργαλείο υποστήριξης της κλινικής λήψης αποφάσεων κατά την ελεγχόμενη διέγερση των ωοθηκών, ιδιαίτερα στην πρόβλεψη της ωοθηκικής ανταπόκρισης, της ωρίμανσης των ωαρίων και του βέλτιστου χρόνου χορήγησης του trigger. Ωστόσο, απαιτούνται προοπτικές πολυκεντρικές μελέτες για την τεκμηρίωση της κλινικής της χρησιμότητας.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Σαραντάκος Αλέξανδρος
  • Sarantakos Alexandros

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5457063

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

Σαραντάκος Αλέξανδρος; Sarantakos Alexandros. Βελτιστοποίηση των αποτελεσμάτων της θεραπείας γονιμότητας με τη χρήση Τεχνητής Νοημοσύνης: Ο ρόλος της Τεχνητής Νοημοσύνης στον βέλτιστο χρονισμό της ωρίμανσης - Συστηματική ανασκόπηση. 2026. https://pergamos.lib.uoa.gr/uoa/dl/object/5457063