Üreme Sağlığı ve Yapay Zeka: IVF'te Embriyo Seçimi, Sperm Analizi ve Başarı Öngörüsü

Tüp bebek (IVF) laboratuvarında embriyolog, beşinci gün blastokistlerine bakar ve en yüksek implantasyon şansına sahip olanı seçer. Bu seçim on yıllardır morfolojiye — embriyonun görünümüne — dayanır ve doğası gereği özneldir: aynı embriyo için iki embriyolog farklı puan verebilir. Yapay zeka, time-lapse görüntüleme verisini kullanarak bu kararı standartlaştırma ve belki iyileştirme iddiasıyla üreme tıbbının en hareketli araştırma alanlarından biri haline geldi. Bu yazıda embriyo seçimi, sperm analizi ve IVF başarı öngörüsünde AI'nın bugünkü kanıt düzeyini — başarılarıyla ve önemli bir uyarısıyla birlikte — ele alıyorum.

Embriyo Seçimi: AI'nın En İddialı Vaadi

Time-lapse inkübatörler, embriyonun gelişimini saatler boyunca kesintisiz görüntüler. Bu zengin veri, derin öğrenme için ideal bir zemin. Bu alanda öne çıkan modeller şunlar:

STORK ve BELA

STORK, Google'ın Inception mimarisi üzerine kurulu bir derin sinir ağı; 10.148 embriyodan alınan time-lapse görüntülerle eğitilmiş ve blastokist kalitesini AUC > 0,98 ile öngörüyor, ABD dışındaki kliniklerin görüntülerine de iyi genelleniyor ve bireysel embriyologları geride bırakabiliyor. Weill Cornell ekibinin geliştirdiği BELA (Blastocyst Evaluation Learning Algorithm) ise time-lapse verisi ve maternal yaşı birleştirerek hem embriyo kalitesini hem de kromozomal sağlığı değerlendirmeyi hedefliyor.

Kritik kanıt: iDAScore randomize çalışması (2024)

Burada içeriğin en önemli noktasına geliyoruz. 2024'te Nature Medicine'da yayımlanan, Avustralya ve Avrupa'daki 14 IVF kliniğinde yürütülen çok merkezli, randomize, çift kör, noninferiorite (geri kalmama) çalışması, 42 yaş altı ve 5. günde en az iki erken evre blastokisti olan kadınları rastgele iki gruba ayırdı: standart morfolojik değerlendirme veya derin öğrenme algoritması iDAScore.

1.066 hastada (533'er) klinik gebelik oranı iDAScore grubunda %46,5 (248/533), morfoloji grubunda %48,2 (257/533) bulundu (risk farkı −%1,7; %95 GA −7,7 ile 4,3; p = 0,62). Sonuç: çalışma, derin öğrenmenin klinik gebelik oranı açısından standart morfolojiye geri kalmadığını (noninferiorite) gösteremedi. Buna karşılık iDAScore, değerlendirme süresini anlamlı biçimde kısalttı. (Kaynak: PubMed; Nature Medicine, 2024.)

Sperm Analizi ve Seçiminde Yapay Zeka

Erkek infertilitesi tarafında AI, hem semen analizini hem de ICSI (mikroenjeksiyon) için tek tek sperm seçimini dönüştürüyor. Bilgisayarlı görü algoritmaları, semeni örnek düzeyinde değerlendirmenin ötesine geçip tek tek spermi gerçek zamanlı analiz edebiliyor; her sperme ilerleyici motilite parametrelerine göre kategorik bir puan atıyor.

• ICSI için sperm seçimi: Derin öğrenme, düşük çözünürlüklü sperm görüntülerini değerlendirip ICSI için en uygun canlı spermi yüksek doğrulukla seçebiliyor; bir çalışmada bu yaklaşım F1-skoru 0,951 bildirdi.
• Azoospermide cerrahi sperm arama: AI görüntü analizi, azoospermik örneklerde spermatozoayı embriyologdan daha hızlı ve daha iyi duyarlılıkla saptayabiliyor — bu, cerrahi sperm aramada makine öğrenmesinin ilk bilinen klinik uygulamalarından.

Sperm tarafındaki temel kazanç, insan gözünün saatlerce sürdüremeyeceği bir dikkat ve hızı sağlaması ve seçim değişkenliğini azaltması. Yine de bu araçların çoğu, "embriyologla aynı klinik sonucu verir mi" sorusunu doğrulayan çalışmalarla henüz olgunlaşıyor.

IVF Başarı Öngörüsü

Embriyo ve sperm seçiminin ötesinde AI, bütün bir IVF siklusunun başarı olasılığını öngörmeye de çalışıyor: hastanın yaşı, over rezervi, geçmiş sikluslar ve laboratuvar verileri birleştirilerek canlı doğum olasılığı tahmin ediliyor. Bunun klinik değeri, çiftin gerçekçi beklenti oluşturmasına ve tedavi planının (kaç siklus, hangi protokol) kişiselleştirilmesine yardımcı olması. Ancak burada da aynı uyarı geçerli: öngörü modelleri dış popülasyonlarda doğrulanmadıkça tek bir merkezin gerçeğini yansıtır.

Tablo: IVF'te AI'nın Üç Ana Uygulaması

Klinik Perspektif: Heyecan ve Temkin Bir Arada

Üreme tıbbında yapay zeka, belki de tıbbın AI'ya en uygun alanlarından biri: bol görüntü verisi, tekrarlayan kararlar, gözlemciler arası değişkenlik. STORK'un genelleme gücü ve sperm seçim algoritmalarının hızı gerçek kazanımlar. Ama iDAScore çalışmasının bize hatırlattığı gibi, laboratuvar performansı ile hasta sonucu aynı şey değildir. Bir embriyolog ya da üreme uzmanı için bugünkü dürüst konum şu: AI'yı işi hızlandıran ve standartlaştıran güçlü bir asistan olarak kullanmak makul; onu "daha çok bebek" garantisi olarak sunmak ise henüz kanıtın ötesinde bir iddia olur.