Wenn eine Frau (oder eine nicht weiblich identifizierende Person mit einer Gebärmutter und den Vorstellungen, eine Familie zu gründen) Schwierigkeiten hat, ihre Fortpflanzungschancen in einer IVF-Klinik zu verbessern, werden sie wahrscheinlich mit einem Arzt, einer Krankenschwester und anderen Personen in Kontakt treten eine Empfangsdame. Sie werden wahrscheinlich nie die Armee von ausgebildeten Embryologen treffen, die hinter verschlossenen Labortüren arbeiten, um Eier zu sammeln, sie zu düngen und die zur Implantation bestimmten Embryonen zu entwickeln.
Eine der zeitaufwändigeren Aufgaben von Embryologen besteht darin, Embryonen zu klassifizieren - indem sie ihre morphologischen Merkmale unter einem Mikroskop betrachten und einen Qualitätsfaktor zuweisen. Runde, gerade Zellenzahlen sind gut. Gebrochene und fragmentierte Zellen, schlecht. Anhand dieser Informationen entscheiden sie, welche Embryonen zuerst implantiert werden sollen.
Es ist mehr Bauch als Wissenschaft und nicht besonders genau. Neuere Methoden wie das Abziehen einer Zelle, um ihre DNA zu extrahieren, und der Test auf Anomalien, das so genannte genetische Präimplantationsscreening, liefern weitere Informationen. Dies erhöht jedoch die zusätzlichen Kosten für einen bereits teuren IVF-Zyklus und erfordert das Einfrieren der Embryonen, bis die Testergebnisse wieder eintreffen. Manuelle Embryo-Einstufung mag ein grobes Werkzeug sein, aber es ist nicht invasiv und für die meisten Fruchtbarkeitskliniken einfach durchzuführen. Jetzt, so sagen Wissenschaftler, hat ein Algorithmus gelernt, all das zeitintensive Embryo-Oglen noch besser zu machen als ein Mensch.
In einer neuen Studie, die heute in NPJ Digital Medicine veröffentlicht wurde, haben Wissenschaftler der Cornell University einen handelsüblichen Google Deep Learning-Algorithmus trainiert, um IVF-Embryonen basierend auf der Wahrscheinlichkeit einer erfolgreichen Implantation als gut, fair oder schlecht zu identifizieren. Diese Art von KI - dasselbe neuronale Netzwerk, das Gesichter, Tiere und Objekte in Bildern identifiziert, die in die Onlinedienste von Google hochgeladen wurden - hat sich in medizinischen Umgebungen als geschickt erwiesen. Es hat gelernt, diabetische Blindheit zu diagnostizieren und die genetischen Mutationen zu identifizieren, die das Wachstum von Krebstumoren fördern. IVF-Kliniken könnten dahin führen, wohin sie als nächstes führen.
ERFAHREN SIE MEHR
Der WIRED-Leitfaden für künstliche Intelligenz
„Alle Bewertungen des Embryos, wie sie heute durchgeführt werden, sind subjektiv“, sagt Nikica Zaninovic, Leiterin des Embryologielabors bei Weill Cornell Medicine, in dem die Forschung durchgeführt wurde. Im Jahr 2011 installierte das Labor ein Zeitraffer-Bildgebungssystem in seinen Inkubatoren, damit die Techniker die Entwicklung der Embryonen in Echtzeit beobachten (und aufzeichnen) konnten. Dies gab ihnen etwas, über das viele Fruchtbarkeitskliniken in den USA nicht verfügten - Videos von mehr als 10.000 vollständig anonymisierten Embryonen, die jeweils eingefroren und in ein neuronales Netzwerk eingespeist werden konnten. Vor ungefähr zwei Jahren begann Zaninovic mit dem Googeln, um einen KI-Experten für die Zusammenarbeit zu finden. In Olivier Elemento, Direktor des Englander Institute for Precision Medicine von Weill Cornell, fand er einen auf der anderen Seite des Campus.
Seit Jahren sammelte Elemento alle Arten von medizinischen Bildgebungsdaten - MRTs, Mammogramme, gefärbte Tumorgewebsröhrchen - von jedem Kollegen, der sie ihm geben würde, um automatisierte Systeme zu entwickeln, mit denen Radiologen und Pathologen ihre Arbeit besser erledigen können. Er hatte nie daran gedacht, es mit IVF zu versuchen, konnte aber sofort das Potenzial erkennen. In einem Embryo ist viel los, das für das menschliche Auge unsichtbar ist, für einen Computer jedoch möglicherweise nicht. "Es war eine Gelegenheit, einen Prozess zu automatisieren, der zeitaufwändig und fehleranfällig ist", sagt er. "Das ist etwas, was vorher mit menschlichen Embryonen nicht wirklich gemacht wurde."
Um zu beurteilen, wie ihr neuronales Netz mit dem Spitznamen STORK im Vergleich zu seinen menschlichen Gegenstücken gestapelt war, rekrutierten sie fünf Embryologen aus Kliniken auf drei Kontinenten, um Embryonen der Klasse 394 zuzuordnen, basierend auf Bildern, die aus verschiedenen Labors stammen. Die fünf Embryologen gelangten mit nur 89 Embryonen zu dem gleichen Ergebnis, was weniger als einem Viertel der Gesamtzahl entspricht. Deshalb haben die Forscher ein Mehrheitsentscheidungsverfahren eingeführt - drei von fünf Embryologen mussten zustimmen, einen Embryo als gut, fair oder schlecht einzustufen. Als STORK dieselben Bilder betrachtete, sagte es die Mehrheitsentscheidung des Embryologen mit einer Genauigkeit von 95, 7 Prozent voraus. Der beständigste Freiwillige stimmte nur in 70 Prozent der Fälle mit den Ergebnissen überein. mindestens 25 Prozent.
Derzeit ist STORK nur ein Tool, mit dem Embryologen Bilder auf eine von Weill Cornell gehostete sichere Website hochladen und damit herumspielen können. Es wird nicht für die Klinik bereit sein, bis es strenge Tests bestehen kann, die den implantierten Embryonen im Laufe der Zeit folgen, um zu sehen, wie gut der Algorithmus im wirklichen Leben abschneidet. Laut Elemento ist die Gruppe noch dabei, den Entwurf für eine Studie fertigzustellen, bei der Embryologen in einer kleinen, randomisierten Kohorte gegen die KI antreten. Am wichtigsten ist es zu verstehen, ob STORK tatsächlich die Ergebnisse verbessert - nicht nur die Implantationsraten, sondern auch erfolgreiche Schwangerschaften über die gesamte Dauer. In dieser Hinsicht sind zumindest einige Embryologen skeptisch.
„Dieser Algorithmus kann lediglich die Reihenfolge der von uns übertragenen Embryonen ändern“, sagt Eric Forman, Medizin- und Labordirektor am Columbia University Fertility Center. "Es braucht mehr Beweise, um zu sagen, dass es Frauen hilft, schneller und sicherer schwanger zu werden." Allein befürchtet er, dass STORK möglicherweise nur einen kleinen Beitrag zur Verbesserung der Erfolgsquote von IVF leistet, während es möglicherweise seine eigenen Vorurteile einfügt.
Megan Molteni befasst sich mit Biotechnologie, Medizin und genetischem Datenschutz für WIRED.
