Kunstig intelligens - et nytt verktøy innen assistert reproduksjonsteknologi

Prosjektet har som mål å forbedre metodene for å velge ut sædceller og embryo, og dermed øke sjansen for graviditet og levendefødte barn.

Fruktbarheten har gått ned i mange industrialiserte land de siste tiårene. Dette kan delvis skyldes sosiale og økonomiske forhold, men også en mulig økning i problemer med å få barn. Mellom 10 og 15 prosent av par er ufrivillig barnløse.

Metoder for assistert befruktning, det vil si befruktning utenfor livmoren, er utviklet de siste 40 år. Det er økende bruk av intracytoplasmatisk spermieinjeksjon (ICSI), som er et behandlingstilbud når mannen har dårlig sædkvalitet, men som av og til også brukes når sædkvaliteten er normal.

Ved denne behandlingen føres sædcellen direkte inn i eggcellen, mens ved tradisjonell in vitro-fertilisering (IVF), blandes sædceller og egg i en skål, og en av sædcellene befrukter egget. 

Avgjørelsen om hvilket fertilisert egg, kalt embryo, som skal settes inn i kvinnens livmor, tar utgangspunkt i embryoets utseende og utvikling de første dagene etter befruktning. Utvelgelsen av sædcellen som skal brukes til ICSI, er også basert på ytre kjennetegn, og cellens bevegelighet og utseende anses som viktige.

Bedømmingen av embryo og sædcelle gjøres av en embryolog, men det finnes ingen klare kriterier for å forutsi sjansen for graviditet. Det kan derfor være at informasjon som er viktig for behandlingsresultatet ikke oppdages ved denne subjektive bedømmingen alene.

Mål

Målet er å forbedre metodene for å velge ut embryo og sædceller og dermed øke sjansen for graviditet og for det endelige resultatet - et levendefødt barn. I tillegg kan en nytteverdi være å redusere antall behandlingsforsøk og dermed oppnå en lavere kostnad totalt sett.

Metode

Kunstig intelligens (KI) er mer og mer akseptert som et verktøy innen medisin og er spesielt egnet til å innhente informasjon fra bilder. I dette prosjektet utvikler vi KI-metoder til å analysere videoer av embryoutviklingen.

Vi har vist at dyplæringsmodeller er i stand til å karakterisere celledeling og ulike stadier i embryo-utviklingen. Data fra disse bildeanalysene vil kobles til reproduksjonsutfall, som graviditet og levendefødte barn, for å finne ut om spesielle trekk ved embryoutviklingen øker sjansen for behandlingssuksess.

Vi har også utviklet nevrale nettverk som ved videoanalyse kan gruppere spermiene ut fra deres bevegelighet.

Videoer av spermier, før de velges ut til å bli injisert i eggcellen (ICSI-metoden), analyseres for deretter å kobles til reproduksjonsutfall. Resultatene fra analysene skal bidra til å utvikle et verktøy for fertilitetsklinikker som hjelp til å fatte kliniske beslutninger.