Ένα ζευγάρι κατάφερε να αποκτήσει παιδί μετά από 18 χρόνια αποτυχημένων προσπαθειών, χάρη στην τεχνητή νοημοσύνη.

Η μέθοδος STAR, που αναπτύχθηκε από το Columbia University Fertility Center, χρησιμοποιεί AI για να εντοπίσει και να ανακτήσει κρυμμένα σπερματοζωάρια σε άνδρες με αζωοσπερμία, μια κατάσταση που προκαλεί ανδρική υπογονιμότητα.

Το σύστημα κατάφερε να βρει τρία σπερματοζωάρια, τα οποία χρησιμοποιήθηκαν για τη γονιμοποίηση των ωαρίων της συζύγου, οδηγώντας στην πρώτη επιτυχημένη εγκυμοσύνη με αυτή τη μέθοδο.

Η τεχνητή νοημοσύνη αναδεικνύεται ως επαναστατικό εργαλείο στην ιατρική, προσφέροντας νέες λύσεις σε προβλήματα υπογονιμότητας.

Πιο αναλυτικά

Ένα ζευγάρι απέκτησε παιδί έπειτα από 18 χρόνια αποτυχημένων προσπαθειών, χάρη στην Τεχνητή Νοημοσύνη. «Είχαμε ελάχιστες ελπίδες», παραδέχονται. Κι όμως, η επιστήμη κατάφερε να τους χαρίσει το θαύμα που τόσο καιρό περίμεναν.

Πώς η A.I. βοήθησε ένα ζευγάρι να κάνει παιδί;

Η τεχνητή νοημοσύνη στον χώρο της ιατρικής βρίσκεται σε ταχύτατη ανάπτυξη, ξεπερνώντας το 2016 ακόμη και τον τομέα της χρηματοδότησης άλλων κλάδων της παγκόσμιας οικονομίας. Μέσω της μηχανικής μάθησης, τα συστήματα AI μπορούν να αναλύουν πολύπλοκα δεδομένα ασθενών, αναλαμβάνοντας ειδικές, καλά ορισμένες εργασίες όπως η ταξινόμηση ύποπτων δερματικών αλλοιώσεων ή η ανίχνευση φυματίωσης σε ακτινογραφίες με ακρίβεια που συχνά ξεπερνά τους ειδικούς, σύμφωνα με το British Journal of General Practice. Παράλληλα, η AI σχεδιάζεται να συμπληρώσει τον ρόλο του γιατρού, αναλαμβάνοντας υποστηρικτικές λειτουργίες, αφήνοντας την τελική ευθύνη στον κλινικό ιατρό.

Η τεχνητή νοημοσύνη τώρα διαμορφώνει και την αναπαραγωγική φροντίδα, καθώς πλέον βοηθά τους γιατρούς στο Columbia University Fertility Center να εντοπίζουν κρυμμένα σπερματοζωάρια.

Μετά από 18 χρόνια προσπαθειών να αποκτήσουν παιδί, ένα ζευγάρι περιμένει το πρώτο του παιδί, χάρη στη δύναμη της τεχνητής νοημοσύνης.

Το ζευγάρι είχε υποβληθεί σε αρκετούς κύκλους εξωσωματικής γονιμοποίησης, επισκεπτόμενο κέντρα γονιμότητας σε όλο τον κόσμο με την ελπίδα να αποκτήσουν μωρό.

Η διαδικασία της εξωσωματικής γονιμοποίησης περιλαμβάνει την αφαίρεση ενός ωαρίου από τη γυναίκα και τον συνδυασμό του με σπέρμα σε εργαστήριο για τη δημιουργία εμβρύου, το οποίο στη συνέχεια εμφυτεύεται στη μήτρα.

Αλλά για αυτό το ζευγάρι, οι προσπάθειες εξωσωματικής γονιμοποίησης απέτυχαν λόγω αζωοσπερμίας, μιας σπάνιας πάθησης κατά την οποία δεν υπάρχουν μετρήσιμα σπερματοζωάρια στο σπέρμα του άνδρα, κάτι που μπορεί να οδηγήσει σε ανδρική υπογονιμότητα.

Έτσι, το ζευγάρι, το οποίο επιθυμεί να παραμείνει ανώνυμο για λόγους ιδιωτικότητας, επισκέφθηκε το Columbia University Fertility Center για να δοκιμάσει μια νέα προσέγγιση.

Ονομάζεται μέθοδος STAR, και χρησιμοποιεί τεχνητή νοημοσύνη για να βοηθήσει στον εντοπισμό και την ανάκτηση κρυμμένων σπερματοζωαρίων σε άνδρες που νόμιζαν ότι δεν είχαν καθόλου σπέρμα. Το μόνο που έπρεπε να κάνει ο σύζυγος ήταν να αφήσει ένα δείγμα σπέρματος στην ιατρική ομάδα.

«Κρατήσαμε τις ελπίδες μας στο ελάχιστο μετά από τόσες απογοητεύσεις», ανέφερε η σύζυγος σε γραπτή δήλωση.

Οι ερευνητές του κέντρου γονιμότητας ανέλυσαν το δείγμα σπέρματος με το σύστημα τεχνητής νοημοσύνης. Εντοπίστηκαν και ανακτήθηκαν τρία κρυμμένα σπερματοζωάρια, τα οποία χρησιμοποιήθηκαν για τη γονιμοποίηση των ωαρίων της συζύγου μέσω εξωσωματικής γονιμοποίησης και εκείνη έγινε η πρώτη επιτυχής εγκυμοσύνη με τη μέθοδο STAR.

Το μωρό αναμένεται να γεννηθεί τον Δεκέμβριο.

«Μου πήρε δύο ημέρες για να πιστέψω ότι ήμουν όντως έγκυος», ανέφερε στο CNN. «Ακόμα ξυπνάω το πρωί και δεν μπορώ να πιστέψω αν είναι αλήθεια ή όχι. Δεν πιστεύω ότι είμαι έγκυος μέχρι να δω το υπερηχογράφημα».

Πώς εξελίχθηκε η μέθοδος STAR που βοηθά ζευγάρια να κάνουν παιδιά;

Ο Dr. Zev Williams, διευθυντής του Columbia University Fertility Center, και οι συνάδελφοί του εργάστηκαν επί πέντε χρόνια για να αναπτύξουν τη μέθοδο STAR, με σκοπό τον εντοπισμό και την ανάκτηση σπερματοζωαρίων σε δείγματα σπέρματος από άτομα με αζωοσπερμία.

Έμειναν έκπληκτοι από τα αποτελέσματα του συστήματος.

Το σύστημα απομονώνει άμεσα αυτό το κύτταρο σπέρματος σε μια μικροσκοπική σταγόνα μέσου καλλιέργειας, επιτρέποντας στους εμβρυολόγους να ανακτήσουν κύτταρα που ίσως δεν θα μπορούσαν ποτέ να βρουν ή να αναγνωρίσουν με γυμνό μάτι.

«Είναι σαν να ψάχνεις μια βελόνα στα άχυρα, ολοκληρώνοντας την αναζήτηση σε λιγότερο από μία ώρα και με τόσο ήπιο τρόπο, χωρίς επιβλαβή λέιζερ ή χρωστικές, ώστε το σπέρμα μπορεί ακόμη να χρησιμοποιηθεί για γονιμοποίηση ωαρίου», ανέφερε ο Williams.

«Αυτό που είναι αξιοσημείωτο είναι ότι αντί για τα συνηθισμένα 200 έως 300 εκατομμύρια σπερματοζωάρια σε ένα τυπικό δείγμα, αυτοί οι ασθενείς μπορεί να έχουν μόνο δύο ή τρία. Όχι 2 ή 3 εκατομμύρια, κυριολεκτικά δύο ή τρία», εξήγησε.

«Αλλά με την ακρίβεια του συστήματος STAR και την εμπειρία των εμβρυολόγων μας, ακόμη κι αυτά τα ελάχιστα μπορούν να χρησιμοποιηθούν για να γονιμοποιήσουν επιτυχώς ένα ωάριο».

Πώς αντιμετωπίζεται η αζωοσπερμία;

Οι παραδοσιακές επιλογές θεραπείας για την αζωοσπερμία περιλαμβάνουν συνήθως επώδυνες χειρουργικές επεμβάσεις για την απευθείας ανάκτηση σπέρματος από τους όρχεις του ασθενούς.

«Αφαιρείται μέρος των όρχεων, το οποίο διασπάται σε μικρά κομμάτια και προσπαθείς να βρεις σπέρμα εκεί», εξηγεί ο Williams. «Είναι επεμβατικό. Μπορείς να το κάνεις μόνο λίγες φορές πριν προκληθούν μόνιμες ουλές και βλάβη στους όρχεις και είναι επώδυνο».

Άλλες επιλογές θεραπείας μπορεί να περιλαμβάνουν ορμονικά φάρμακα με συνταγή, αλλά αυτό λειτουργεί μόνο αν το άτομο έχει ορμονική ανισορροπία. Αν δεν υπάρξει επιτυχία με άλλες θεραπείες, τα ζευγάρια μπορούν να καταφύγουν σε δότρια ή δότη σπέρματος για να αποκτήσουν παιδί.

Ο ρόλος της τεχνητής νοημοσύνης

Δεν είναι η πρώτη φορά που οι γιατροί στρέφονται στην τεχνητή νοημοσύνη για να βοηθήσουν άνδρες με αζωοσπερμία.

Μια ξεχωριστή ερευνητική ομάδα στον Καναδά ανέπτυξε ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να αυτοματοποιήσει και να επιταχύνει τη διαδικασία αναζήτησης σπάνιων σπερματοζωαρίων σε δείγματα από άνδρες με την πάθηση.

«Ο λόγος που η τεχνητή νοημοσύνη είναι τόσο κατάλληλη για αυτό είναι γιατί βασίζεται στην εκμάθηση – της δείχνεις μια εικόνα για το πώς μοιάζει ένα σπερματοζωάριο, ποιο είναι το σχήμα του, ποια χαρακτηριστικά πρέπει να έχει και στη συνέχεια μπορεί να χρησιμοποιήσει αυτόν τον αλγόριθμο μάθησης για να βοηθήσει στον εντοπισμό αυτής της συγκεκριμένης εικόνας που αναζητάς», δήλωσε η Dr. Sevann Helo, ουρολόγος στην Mayo Clinic με ειδίκευση στην ανδρική υπογονιμότητα και δυσλειτουργία, η οποία δεν συμμετείχε στη μέθοδο STAR ούτε στην έρευνα στον Καναδά.

«Είναι πολύ συναρπαστικό», τόνισε. «Η τεχνητή νοημοσύνη, γενικά, τουλάχιστον στον ιατρικό χώρο, θεωρώ πως είναι ένα εντελώς νέο τοπίο και πραγματικά θα φέρει επανάσταση στον τρόπο που αντιμετωπίζουμε πολλά προβλήματα στην ιατρική».