Γράφει ο Αλέξανδρος Δ. Τζεφεράκος, Μαιευτήρας - Γυναικολόγος, Επιστημονικός Διευθυντής στη «Μονάδα Γονιμότητας & Εξωσωματικής Γονιμοποίησης της Κλινικής ΡΕΑ, Αντιπρόεδρος Δ.Σ. ΡΕΑ

Ο κλάδος θεραπείας της υπογονιμότητας, με τα σημερινά δεδομένα, είναι περίπλοκος, κατακερματισμένος και απαιτεί καινοτομία. Από τα 130 εκατομμύρια γεννήσεις παγκοσμίως ανά έτος, λιγότερο από 0,5% συμβαίνει μέσω τεχνικών εξωσωματικής γονιμοποίησης (IVF). Αν συγκρίνετε αυτό με τον επιπολασμό της υπογονιμότητας στο 15% της αναπαραγωγικής ηλικίας, η ανεκπλήρωτη ζήτηση για υπηρεσίες υποβοηθούμενης αναπαραγωγής σήμερα και στο μέλλον είναι τεράστια. Τα ποσοστά γονιμότητας μειώνονται στην πλειονότητα των δυτικών χωρών, πολύ κάτω από τα ποσοστά αναπλήρωσης. Η δυσκολία πρόσβασης, το υψηλό κόστος και τα χαμηλά ποσοστά επιτυχίας εξακολουθούν να αποτελούν την κυρίαρχη πρόκληση σε αυτόν τον ερευνητικό τομέα της ιατρικής.

Η μεγάλη πρόκληση που βρίσκεται μπροστά μας είναι να μετατρέψουμε τη διαδικασία από χειρωνακτική και ανθρωποεξαρτώμενης αναξιοπιστίας , σε αυτοματοποιημένη και υψηλής αξιοπιστίας. Δεν έχουμε δει μεγάλη αλλαγή στην τεχνολογία του κλάδου της υπογονιμότητας εδώ και δεκαετίες και ο λόγος για αυτό είναι κυρίως η έλλειψη συνεπούς συλλογής δεδομένων. Υπάρχει έλλειψη κοινής γλώσσας, υψηλή μεταβλητότητα σε διαφορετικούς χειριστές, περιορισμένες μετρήσεις: γονιμοποίηση, εμφύτευση και ζωντανή γέννηση, δυσκολία στην απομόνωση της μεταβλητότητας σε μεμονωμένα βήματα και γενική έλλειψη ορισμού των τυπικών βέλτιστων πρακτικών. Η χαμηλή διαθεσιμότητα εκπαιδευμένων εμβρυολόγων και αναπαραγωγικών εμβρυολόγων επιτείνει έντονα το πρόβλημα της προσβασιμότητας. Είναι λογικό, λοιπόν, να πούμε ότι ο αυτοματισμός και η ρομποτική θα «οδηγήσουν» την ανάπτυξη σε αυτόν τον κλάδο, καθώς θα αυξήσουν τους λιγότερο ειδικευμένους εμβρυολόγους, αλλά θα τους παρέχουν καλύτερα εργαλεία για να κάνουν τη διαδικασία αξιόπιστη , συνεπή και ασφαλή.

Προχωρώντας προς στο μέλλον, η αυτοματοποίηση μπορεί να συμβεί σε δύο επίπεδα. Πρώτον, ο αυτοματισμός μπορεί να βοηθήσει γιατρούς που ειδικεύονται στην υπογονιμότητα να μειώσουν τη μεταβλητότητα στο σύνολο των διαδικασιών τους. Από τη συνταγογράφηση των σωστών πρωτοκόλλων διέγερσης των ωοθηκών, την ταυτοποίηση του σωστού ωοθυλακίου (έναντι κενών ωοθυλακίων) και στη συνέχεια τη συλλογή των ωαρίων κατά τη διάρκεια της διαδικασίας ανάκτησης με ελάχιστη ενόχληση στον ασθενή. Ένα ρομπότ με εικονική καθοδήγηση μπορεί επίσης να βοηθήσει τους γιατρούς να εμφυτεύσουν το έμβρυο με ακρίβεια, μειώνοντας έτσι τη μεταβλητότητα στα αποτελέσματα.

Εκτός από τον εκπαιδευμένο στην αναπαραγωγική ενδοκρινολογία γυναικολόγο, ο σημαντικότερος ειδικός στην κλινική υπογονιμότητας είναι ένας εμβρυολόγος. Ο εμβρυολόγος ασχολείται ως εκπαιδευόμενος σε υπάρχοντα εργαστήρια υπό διευθυντές εργαστηρίου και συνήθως χρειάζεται εκπαίδευση πολλών ετών για να φτάσει σε επίπεδο δεξιοτήτων συγκρίσιμο με έναν κορυφαίο επαγγελματία. Αυτό έχει ως αποτέλεσμα ένα μεγάλο ποσοστό μεταβλητότητας, η οποία έχει αποδειχθεί σε διάφορες επιστημονικές έρευνες επειδή δεν υπάρχει τυποποιημένη μορφή εκπαίδευσης. Ο αυτοματισμός μπορεί επομένως να διαδραματίσει καθοριστικό ρόλο στο να καταστήσει την εμβρυολογία πιο σταθερή και αξιόπιστη.

Έχουν γίνει κάποιες προσπάθειες αυτοματοποίησης τα τελευταία χρόνια. Η αυτοματοποίηση της υαλοποίησης των εμβρύων αναμένει κανονιστικές εγκρίσεις και ενδέχεται να επιφέρει μεγαλύτερη συνέπεια στη διαδικασία υαλοποίησης και απόψυξης. Προηγουμένως, έχουν γίνει προσπάθειες να χρησιμοποιηθούν συστήματα time lapse και τεχνικές τεχνητής νοημοσύνης για την επιλογή εμβρύων για να αναλύσουν τη μορφοκινητική των εμβρύων για καλύτερα αποτελέσματα. Εξαιρετικά συστήματα και ένα αξιόλογο σημείο εκκίνησης, εντούτοις μειώνουν τη μεταβλητότητα της διαδικασίας μόνο μετά τη γονιμοποίηση. Ένα μεγάλο μέρος της ασυνέπειας συμβαίνει πριν από τη γονιμοποίηση. Βήματα όπως η επιλογή του σωστού σπέρματος ή η διαδικασία της ενδοκυτταροπλασματικής έγχυσης σπέρματος έχουν μεγάλη μεταβλητότητα ανάλογα με διαφορετικούς χειριστές. Η τεχνητή νοημοσύνη και η ρομποτική θα μπορούσαν να αναλάβουν αυτά τα βήματα για να βελτιώσουν σημαντικά την επιτυχία.

Το συνολικό μέγεθος της παγκόσμιας αγοράς εξωσωματικής γονιμοποίησης θα φτάσει τα 40 δισεκατομμύρια δολάρια την επόμενη δεκαετία από τα 20 δισεκατομμύρια δολάρια σήμερα. Ο δρόμος προς τα εμπρός για την υπογονιμότητα είναι η χρήση μοντέλων τεχνητής νοημοσύνης και deep learning για τη βελτίωση των αποτελεσμάτων. Ωστόσο, η συλλογή δεδομένων με έναν καλά οργανωμένο και αξιόπιστο τρόπο παραμένει πρόκληση. Είναι επιτακτική ανάγκη τα δεδομένα να συλλέγονται με συνεπή τρόπο, που θα μας επιτρέψουν να κατανοήσουμε τη διαδικασία και να μας δώσει μια αίσθηση για το πώς να προχωρήσουμε με διαφορετικά κομμάτια της τεχνολογίας που μπορούν να οδηγήσουν σε βελτίωση των αποτελεσμάτων. Αυτό φέρνει μια μεγάλη ευκαιρία για ερευνητές, επιστήμονες και επιχειρηματίες να επενδύσουν το χρόνο τους στη βελτίωση της τρέχουσας διαδικασίας με την Τεχνητή νοημοσύνη και τη ρομποτική.