Yapay Zeka Destekli Modelle IVF Süreci İyileştiriliyor
Weill Cornell Medicine araştırmacıları, in vitro fertilizasyon (IVF) süreçlerinde çiftlere yardımcı olabilecek ve embriyologlara sağlıklı embriyoların seçilmesinde rehberlik edecek bir yapay zeka destekli model geliştirdi. Nature Communications dergisinde yayımlanan bu çalışmada, Blastocyst Evaluation Learning Algorithm (BELA) tanıtıldı. Bu gelişmiş derin öğrenme modeli, embriyo kalitesini ve kromozomal sağlığı, zaman atlamalı görüntüleme verileri ve anne yaşı kullanarak değerlendirmektedir.
Ekonomik ve Etkili Bir Çözüm
BELA, preimplantation genetic testing for aneuploidy (PGT-A) olarak bilinen standart genetik testlerin yerine, non-invaziv ve maliyet açısından uygun bir alternatif sunuyor. Bu model, embriyo seçim sürecini kolaylaştırarak aileler için maliyetleri düşürmeyi hedefliyor.
IVF ve Embriyo Seçiminin Önemi
IVF, 1978 yılında tanıtıldığından bu yana 8 milyondan fazla başarılı doğuma olanak sağlamış, dünya genelinde kısırlık yaşayan bireyler ve çiftler için bir çözüm sunmuştur. Embriyo seçimi, bu sürecin kritik bir aşamasıdır ve hamilelik başarı oranlarını önemli ölçüde etkilemektedir. Geleneksel yöntemler, PGT-A gibi, hücrelerin alınmasını gerektirir ve bu durum hem maliyetlidir hem de embriyonun canlılığını riske atabilir.
BELA’nın Çalışma Prensibi
Araştırmacılar, BELA’yı otomatik embriyo değerlendirme sürecini gerçekleştirmek için geliştirdiler. Zaman atlamalı görüntüleme verilerini beş gün boyunca analiz ederek ve anne yaşını göz önünde bulundurarak, bu yapay zeka destekli model, embriyoların kromozomal sağlığını tahmin ediyor ve onları kalite sıralamasına koyuyor. Embriyonun gelişiminde zamanlama ve hız, hayatta kalma belirteçleri olarak önem taşıyor ve modelin analizinin temelini oluşturuyor.
Veri İşleme ve Model Performansı
BELA, Cornell Üniversitesi’nin yüksek performanslı BioHPC hesaplama kümesinde, NVIDIA A40 GPU ile eğitildi ve 2.800’den fazla embriyo zaman atlamalı dizisini içeren çeşitli bir veri seti kullanıldı. Bu altyapı, veri işleme süresini ortalama 5.23 dakika olarak belirleyerek, her embriyo için tahmin yapma süresini yaklaşık 30 saniyeye indirdi.
Şekil 1. STORK-V, embriyologların embriyoları kapsamlı bir şekilde değerlendirmesine yardımcı olan, otomasyonu kullanan bir klinik araçtır (kaynak: Rajendran, S., Brendel, M., Barnes, J. et al.)
STORK-V: Klinik Kullanım için Geliştirilmiş Araç
BELA’nın klinik ortamlarda kullanılabilmesi için, ekip ayrıca BELA’dan güç alan web tabanlı bir platform olan STORK-V’yi geliştirdi. Embriyologlar, zaman atlamalı görüntüleme verilerini yükleyerek, gerçek zamanlı embriyo kalitesi ve kromozomal sağlık tahminleri alabilmektedir.
Başarı Oranı ve Gelecek Hedefleri
BELA, mevcut yapay zeka modellerini geride bırakarak, normal ve anormal embriyoları ayırt ederken %82 başarı oranı (AUC) elde etti. Otomatik tahminleri, embriyologların manuel değerlendirmeleriyle eşleşen veya onları aşan bir doğruluk sunmaktadır. Araştırmacılar, PGT-A’nın yerini almayı hedeflemiyor; bunun yerine BELA, IVF iş akışlarını iyileştirmeye yardımcı oluyor. Bu model, embriyoları önceden tarayarak, hangi embriyoların daha ayrıntılı analiz edileceğine karar vermelerine yardımcı oluyor. Bu durum, maliyetleri azaltırken en uygun ve güvenilir embriyoların seçilmesini sağlıyor.
Kaynak kodu, GitHub‘da açık kaynak olarak mevcuttur.
Daha fazla bilgi için araştırmayı okuyun: Automatic ploidy prediction and quality assessment of human blastocysts using time-lapse imaging.
Fotoğraf, Freepik’ten alıntıdır.
