Jak sztuczna inteligencja może pomóc w leczeniu niepłodności?

[DD] Moje zainteresowanie AI wyrosło z ciekawości wobec danych i zależności między nimi. Zaczynałam w gastronomii, później pracowałam przy funduszach inwestycyjnych, a w tle stale była moja biotechnologiczna ścieżka edukacyjna. To połączenie doprowadziło mnie do studiów podyplomowych z data science. Już pierwszy wykład o zastosowaniach AI w medycynie okazał się przełomowy — zobaczyłam, że mogę łączyć analitykę z naukami o zdrowiu. Kiedy zobaczyłam ofertę pracy w Klinice INVICTA, poczułam, że to miejsce, gdzie moje umiejętności mogą naprawdę wpłynąć na zdrowie pacjentów.

[DD] Leczenie niepłodności to proces wieloetapowy. Od pierwszej wizyty w klinice aż po poród gromadzimy bardzo dużo informacji o pacjentach. W trakcie diagnostyki i terapii pojawia się też wiele pozornie nieistotnych kwestii, które w szerszym ujęciu okazują się powiązane z problemem niepłodności. Sztuczna inteligencja pełni tu rolę cyfrowego asystenta lekarza – pomaga porządkować dane i dostrzegać zależności między licznymi czynnikami, dzięki czemu wspiera podejmowanie trafnych decyzji klinicznych.

[DD] Tak. Już podczas pierwszej wizyty, oprócz informacji medycznych, gromadzimy dane subiektywne dotyczące długości starań o ciążę, stylu życia czy diety. Te czynniki mogą wpływać na powodzenie terapii, czyli uzyskanie ciąży klinicznej.

Po kwalifikacji do IVF przechodzimy do stymulacji hormonalnej – to jeden z bardziej złożonych etapów. Z wykorzystaniem sztucznej inteligencji dobieramy leki i ich dawki, a następnie monitorujemy wyniki badań hormonalnych oraz analizujemy obraz USG. Rejestrujemy liczbę dojrzewających pęcherzyków i ostatecznie uzyskanych komórek jajowych.

W kolejnych krokach śledzimy losy zarodków – ile ich powstało i jakie mają parametry. Na końcu dokumentujemy wynik całego procesu: czy zakończył się uzyskaniem ciąży klinicznej, czy nie. Ten kompletny zestaw danych jest kluczowy dla analizy przebiegu leczenia i planowania dalszych działań. Dzięki możliwości porównywania danych z poszczególnych etapów terapii, jesteśmy w stanie zaplanować optymalną ścieżkę leczenia dla konkretnej pary.

[DD] Jak już wspominałam, sztuczna inteligencja działa jak cyfrowy asystent o praktycznie nieograniczonej pamięci. Algorytm analizuje dziesiątki tysięcy przypadków, zwracając uwagę m.in. na dawki leków, poziomy hormonów, parametry nasienia i efekty terapii. Na tej podstawie wychwytuje zależności, których nie widać w pojedynczych badaniach ani w codziennej praktyce. Wskazuje, które zestawy parametrów zwiększają szansę powodzenia leczenia, a które ścieżki terapeutyczne — według dostępnych danych — zwykle nie przynoszą efektów. Dzięki temu lekarz szybciej wybiera najbardziej obiecującą strategię, ogranicza zbędne próby i lepiej wykorzystuje zasoby.

[DD] Warto podkreślić, że rekomendacja wygenerowana przez AI to jedynie sugestia – nie decyzja. Algorytmy analizują duże zbiory danych, wychwytują zależności między nimi i proponują scenariusze postępowania, wskazując potencjalnie najkorzystniejszą ścieżkę leczenia. Ostateczny wybór zawsze należy do lekarza.

Dla par starających się o dziecko oznacza to więcej przestrzeni do realnej personalizacji terapii. Lekarz może szybciej dopasować plan leczenia i rozważyć rozwiązania, których wcześniej – opierając się wyłącznie na własnym doświadczeniu – nie brał pod uwagę. Taka alternatywna ścieżka bywa krótsza i może przyspieszyć osiągnięcie ciąży. Cały proces jest silnie obciążający emocjonalnie, dlatego wsparcie sztucznej inteligencji – skracające drogę do celu – bywa niezwykle wartościowe.

[DD] Dokładnie. Co więcej, te dane można kalibrować pod kątem czynników demograficznych wpływających na niepłodność. Tego typu złożonych zależności lekarz nie jest w stanie systematycznie analizować w codziennej praktyce, natomiast algorytm potrafi je wychwycić i wykorzystać w personalizacji terapii.

[DD] Ostateczna decyzja terapeutyczna należy do lekarza i zapada w porozumieniu z pacjentką. Wyniki analiz AI mają charakter wspierający — to predykcje i rekomendacje oparte na danych historycznych, a nie gwarancja przyszłych zdarzeń. Ich skuteczności nie można potwierdzić w 100%. Dlatego każdą sugestię algorytmu należy odnieść do pełnego kontekstu klinicznego — stanu zdrowia, sytuacji życiowej i emocjonalnej pacjentki oraz czynników losowych. Dopiero na tej podstawie dobiera się strategię leczenia i może się ona różnić od rekomendacji modelu AI.

[DD] AIOO® to narzędzie oparte na sztucznej inteligencji, które pomaga dobrać optymalną dawkę gonadotropin podczas stymulacji jajników – jednego z najbardziej złożonych etapów IVF. Oprogramowanie pozwala dostosować protokół do indywidualnych potrzeb pacjentki oraz przewidzieć liczbę dojrzałych komórek, jaką możemy uzyskać przy danym schemacie leczenia, wykorzystując dane kliniczne, takie jak wynik AMH czy przebieg wcześniejszych cykli.

Kluczową rolę odgrywa tu komponent GPS™ (Genetyczna Predykcja Stymulacji), który wskazuje predyspozycje genetyczne pacjentki do reakcji na leki przyjmowane na etapie stymulacji. To istotne, bo dwie pacjentki w tym samym wieku i z takim samym wynikiem AMH mogą mieć zupełnie różną odpowiedź na leczenie. Tworząc to rozwiązanie, przeanalizowaliśmy różne warianty genetyczne, porównaliśmy je z danymi z literatury naukowej, a następnie – dzięki metodom uczenia maszynowego i statystyki – wybraliśmy te, które realnie wpływają na reakcję organizmu na leki.

Połączenie danych klinicznych (AIOO) z genetycznymi (GPS) pozwala dokładniej przewidzieć skuteczność leczenia. Dodanie badania genetycznego może zwiększyć dokładność predykcji generowanej przez oprogramowanie AIOO® o około 12%. Dzięki temu narzędziu można też zmniejszyć dawki leków średnio o 10% – co ogranicza ryzyko hiperstymulacji i jednocześnie zapobiega podaniu zbyt niskich dawek, które mogłyby obniżyć skuteczność leczenia. Efektem jest spersonalizowana terapia dopasowana do każdej pacjentki, która pozwala osiągnąć odpowiednią liczbę dobrej jakości komórek jajowych.

[DD] Na początku prac nad modelem AIOO® zorganizowano burzę mózgów, w której uczestniczyli eksperci z różnych dziedzin – reprezentacja lekarzy ze wszystkich Klinik INVICTA, specjaliści data science, inżynierowie danych oraz programiści odpowiedzialni za późniejsze wdrożenie i wygląd narzędzia.

Zebraliśmy wiedzę od ekspertów klinicznych i przystąpiliśmy do identyfikacji zmiennych, które wpływają na przebieg stymulacji hormonalnej. Analizie za pomocą modeli uczenia maszynowego poddano kilkaset czynników. Spośród nich wybraliśmy te, które miały realny wpływ na reakcję organizmu kobiety i pozwalały przewidzieć liczbę dojrzałych komórek jajowych – tzw. M2.

Analiza objęła kilkadziesiąt tysięcy przypadków pacjentek, w tym około 13 tysięcy procesów stymulacji. Na tej podstawie wytrenowaliśmy model AI, który stał się fundamentem do stworzenia badania GPS™. Jest to rozwiązanie wyjątkowe w skali świata – żadne inne badanie nie pozwala w tak spersonalizowany sposób przewidzieć, jak konkretna pacjentka zareaguje na podane leki hormonalne.

W pierwszym etapie badania musieliśmy zidentyfikować warianty genetyczne, które istotnie wpływają na reakcję organizmu podczas stymulacji. Odwołaliśmy się do literatury naukowej, aby potwierdzić znaczenie poszczególnych markerów genetycznych, a następnie zawęziliśmy ich liczbę do tych, które mają rzeczywisty wpływ na przebieg leczenia. W ten sposób udało się stworzyć model łączący dane kliniczne, genetyczne i biochemiczne w jeden system predykcyjny.

Cały proces trwał kilka lat i był efektem pracy kilkuset specjalistów. Kluczowym etapem było oczywiście opracowanie modelu, jednak równie istotna okazała się jego walidacja – sprawdzenie, czy faktycznie dostarcza wiarygodnych wyników. W data science obowiązuje zasada „garbage in, garbage out”, dlatego ogromny nacisk położyliśmy na jakość danych oraz weryfikację korelacji między nimi.

Rezultat okazał się bardzo satysfakcjonujący. Model AIOO® + GPS™ skutecznie przewiduje liczbę komórek dojrzałych, co pozwala lekarzom precyzyjniej dobierać dawki leków, zwiększa bezpieczeństwo terapii oraz skraca czas leczenia. Dzięki temu można ograniczyć ryzyko hiperstymulacji i zmniejszyć dawki hormonów średnio o 10%, co jest korzystne zarówno dla zdrowia pacjentek, jak i pod względem finansowym. Zastosowanie naszego narzędzia sprawia, że proces leczenia jest bardziej efektywny, a jednocześnie mniej obciążający dla organizmu kobiety.

[DD] Jesteśmy obecnie w procesie dalszego rozwoju narzędzia AIOO® GPS™. Każdy etap jego użytkowania przez lekarzy i pacjentów dostarcza nam nowych informacji. W trakcie praktycznego stosowania pojawiają się sugestie dotyczące potrzebnych funkcjonalności lub pomysłów na kolejne eksperymenty – na przykład wtedy, gdy okazuje się, że dodatkowa zmienna mogłaby jeszcze lepiej wpłynąć na skuteczność predykcji czy dopasowanie dawki leków. Dlatego stale uczymy nasz system na nowych, coraz bardziej rozbudowanych danych, które uwzględniają czynniki niebrane wcześniej pod uwagę. W planach mamy również zmianę architektury modelu, ponieważ rozwój sztucznej inteligencji jest bardzo dynamiczny – rozwiązania opracowane dwa lata temu dziś mają już swoje nowsze, szybsze i bardziej precyzyjne odpowiedniki.

Kolejnym kierunkiem rozwoju jest personalizacja narzędzia dla lekarzy – chcemy, aby było ono jeszcze bardziej intuicyjne i praktyczne w codziennej pracy. Planujemy też wprowadzenie nowych funkcjonalności, które pozwolą jeszcze dokładniej dopasować terapię do potrzeb konkretnej pacjentki w trakcie całego procesu leczenia.

Chcemy, aby AIOO® GPS™ wspierało także kolejne etapy leczenia in vitro – pomagało określić najlepszy moment transferu zarodka, wybrać ten o największym potencjale oraz ocenić przygotowanie endometrium. W przyszłości planujemy uwzględnić również analizę mikrobiomu i inne czynniki kobiece oraz męskie, które można połączyć z modelami uczenia maszynowego. Dzięki temu będziemy mogli jeszcze dokładniej przewidywać, kiedy warunki do implantacji są najbardziej sprzyjające.

Wszystkie te działania mają jeden cel – wsparcie lekarzy, poprawę skuteczności leczenia i zwiększenie komfortu pacjentów. Widzę w tym narzędziu realną troskę o ludzi. Dzięki zaawansowanej analizie danych możemy zaoferować parom leczenie w pełni dopasowane do ich indywidualnej sytuacji. To sprawia, że czują się naprawdę zaopiekowani.

[DD] Najbardziej zaawansowanym i najszerzej wdrażanym obszarem wykorzystania sztucznej inteligencji jest dziś wspomaganie selekcji zarodków. Algorytmy analizują tysiące obrazów z embrioskopów i na podstawie dynamiki rozwoju – w tym zapisów w trybie timelapse – wskazują, który zarodek ma największy potencjał do transferu. Takie systemy działają już m.in. w USA i Australii. Ich rola polega na wsparciu embriologa – stanowią „trzecie oko”, które się nie męczy, nie mruga i wychwytuje to, co niewidoczne gołym okiem. To szczególnie istotne, ponieważ w jednym podejściu transferujemy jeden, maksymalnie dwa zarodki, a ich precyzyjna ocena zwiększa szansę powodzenia.

Drugim obszarem, w którym sprawdza się sztuczna inteligencja, jest planowanie i monitorowanie stymulacji jajników. Zamiast polegać wyłącznie na manualnym zliczaniu pęcherzyków antralnych, narzędzia AI pomagają obiektywnie ocenić ich liczbę oraz zasugerować optymalną dawkę leków i moment ich podania. Tego typu rozwiązania są już dostępne również w Polsce.

Jednocześnie warto pamiętać o różnicach populacyjnych. Modele tworzone na danych z innych krajów nie zawsze w pełni odpowiadają polskim realiom, dlatego kluczowe jest budowanie własnych narzędzi w oparciu o dane Polek i Polaków. Robimy to od lat w Grupie INVICTA, idąc ramię w ramię z trendami światowymi.

W najbliższym czasie skoncentrujemy się na dwóch kierunkach. Po pierwsze, będziemy rozwijać algorytm oceny komórek jajowych (oocytów), który ma wspierać embriologa w wyborze najlepszej komórki do zapłodnienia. Po drugie, planujemy analizować zależności między parametrami nasienia a wynikami leczenia, by optymalizować przebieg całego procesu poprzez rekomendacje dotyczące suplementacji i modyfikacji stylu życia partnera.

[DD] To mit – sztuczna inteligencja nigdy nie zastąpi lekarza ani embriologa. To właśnie lekarz ma decydujący głos w całym procesie i warto to podkreślić. AI może wspierać specjalistów, ale nie podejmuje za nich decyzji. Podobnie w pracy embriologa – jego doświadczenie i wiedza są kluczowe przy wyborze odpowiedniej komórki jajowej, a później zarodka. Proces embriologiczny jest niezwykle złożony i jeszcze przez długi czas żadna technologia nie będzie w stanie w pełni go zastąpić.

[DD] Tworzenie takich narzędzi rzeczywiście wiąże się z dużymi kosztami – obejmuje budowę infrastruktury, zaangażowanie ekspertów i cały proces opracowania technologii. Jednak w dłuższej perspektywie sztuczna inteligencja pozwoli na znaczące oszczędności – zarówno dla klinik, jak i przede wszystkim dla pacjentów. Nie chodzi tu tylko o możliwość ograniczenia dawek leków, ale także o automatyzację analizy wyników badań, usprawnienie ścieżki leczenia i zmniejszenie liczby nieudanych prób. To oznacza realne oszczędności – czasu, pieniędzy i zdrowia. Dzięki temu cały proces stanie się krótszy, bardziej efektywny i mniej obciążający dla par starających się o dziecko.

[DD] To kolejny z mitów, który warto obalić. Sztuczna inteligencja nie daje 100% gwarancji sukcesu. Jej zadaniem jest prognozowanie – czyli szacowanie prawdopodobieństwa powodzenia konkretnej ścieżki leczenia. Na wynik terapii wpływa znacznie więcej czynników: indywidualne cechy organizmu, styl życia, a także sytuacje losowe, których żaden model nie jest w stanie przewidzieć. Te aspekty może ocenić jedynie lekarz. Dlatego nie można mieć całkowitej pewności, że wykorzystanie narzędzi AI w leczeniu niepłodności zakończy się ciążą. Warto jednak z nich korzystać – nawet niewielki wzrost prawdopodobieństwa, choćby o 1%, przybliża parę do spełnienia marzenia o rodzicielstwie. Sztuczna inteligencja to dziś jedno z narzędzi, które realnie mogą tę szansę zwiększyć.