• Sandrine NGATCHOU

Avantages et défis de l’utilisation de l’intelligence artificielle en PMA

Article traduit de l'anglais du site Bionews.org.uk


D’abord inventé par un groupe de chercheurs en 1955, l'ayant simplement nommé : Intelligence artificielle (IA) est la science permettant aux machines de faire des choses qui requièrent de l’intelligence si cela était réalisé par les humains. Depuis lors, l’IA s’est développée rapidement et ses applications ont imprégné notre vie quotidienne, y compris les véhicules automatisés, la reconnaissance faciale et l’assistance vocale intelligente. L’IA est également utilisée dans les soins de santé, avec des domaines tels que l’oncologie, la radiologie et la cardiologie bénéficiant de ses applications.


L’IA a fait ses débuts dans le monde de la recherche sur les techniques de reproduction assistée (TAR) à la fin des années 1990, grâce à la création d’un algorithme visant à prédire les résultats de la FIV. Plus de technologies d’IA utilisant différents types d’algorithmes ont suivi et ont été utilisées de diverses façons, y compris la classification des spermatozoïdes et la sélection des ovocytes et des embryons.

Dans une étude récente, les chercheurs ont formé un algorithme d’IA pour identifier, avec une précision de 97%, des embryons de haute et de faible qualité. L’algorithme d’IA a surpassé, de manière objective, les embryologistes individuels chargés d’évaluer la qualité de l’embryon en utilisant l’analyse morphologique - une évaluation subjective impliquant le classement manuel de l’embryon humain. Bien que l’algorithme ne puisse pas prédire les taux de grossesse, l’information exacte qu’il peut fournir sur la qualité de l’embryon est une variable cruciale parmi d’autres (comme l’âge) qui peut améliorer les chances d’un couple de concevoir.


L’introduction potentielle de l’IA dans le monde clinique des techniques de procréation médicalement assistée présente à la fois d’énormes avantages et des complexités éthiques. Si l’application clinique est approuvée, l’utilisation de l’IA pour séparer des embryons de qualité issus d’embryons chromosomiquement anormaux pourraient faire gagner du temps et des efforts aux professionnels de la santé en traitant et en interprétant plus de données avec plus de profondeur et de précision. Cela pourrait, à son tour, améliorer l’efficacité des techniques de reproduction assistée et les résultats ultérieurs de la grossesse, les options de traitement et les soins pour les patients souffrant d’infertilité. Au niveau de la société, il pourrait réduire les coûts des soins de santé en réduisant l’utilisation de tests ou de traitements inutiles.


À mesure que l’utilisation de l’IA dans les techniques de procréation médicalement assistée passe rapidement de la recherche à la clinique, tous les intervenants, y compris le grand public, les décideurs, les cliniciens et les scientifiques, devraient prévoir les défis éthiques potentiels qui pourraient se poser et y réfléchir. Certains de ces défis sont communs à ceux soulevés par l’application de l’IA dans d’autres domaines des soins de santé.

Par exemple, on craint que les techniques d’IA puissent remplacer les professionnels de la santé si leur rendement dépasse celui d’un clinicien expert. Nous devrions être conscients que l’IA est un outil auxiliaire pour aider les professionnels de la santé à offrir des soins de santé de haute qualité de manière plus efficace et précise. Toutefois, il souligne la nécessité de mieux éduquer les futurs professionnels de la santé en intégrant la technologie de l’IA dans le programme.

D’autres considérations sont plus spécifiques aux techniques de procréation médicalement assistée. Par exemple, si la sélection de l’embryon effectuée par l’algorithme de l’IA s’est mal passée et que l’embryon choisi semblait donc «anormal» après son implantation ou pendant la grossesse. Qui serait tenu responsable de ce résultat inattendu : le professionnel de la santé ou l’IA? Et quelles mesures (juridiques, organisationnelles, éthiques, etc.) devraient être mises en œuvre pour éviter de telles situations ou/et les résoudre?

Si l’IA est actuellement formée pour sélectionner des embryons de bonne qualité ou «normaux», pourrait-elle être potentiellement formée et utilisée pour «sélectionner» des embryons ayant la «meilleure constitution génétique»? Ou pourrait-il être utilisé pour «concevoir» des embryons avec les «meilleurs gènes»?


Pour l’instant, l’introduction des techniques d’IA est clairement en train de révolutionner les soins de santé et pourrait transformer à la fois l’expérience des couples et la pratique médicale. Toutefois, de nombreux défis éthiques doivent encore être examinés et surmontés.

Certaines directives, politiques et recommandations sont déjà en place pour offrir un cadre éthique qui peut guider l’utilisation et la mise en œuvre des technologies de l’IA dans la clinique. Toutefois, la vitesse à laquelle les techniques d’IA sont élaborées ou parfois utilisées, même avant la publication de politiques et de lignes directrices appropriées, pourrait laisser les utilisateurs (comme les cliniciens) sans un cadre avec des connaissances sur les moyens d'intégration de cette nouvelle technologie à leur pratique. Par conséquent, l’élaboration des directives à jour ainsi que l’éducation seront cruciales à mesure que les techniques d’IA deviendront plus accessibles et plus complexes.


SOURCES :

Benefits and challenges of using artificial intelligence in assisted reproductive technologies.

https://www.bionews.org.uk/page_143956


Artificial intelligence and machine learning for human reproduction and embryology presented at ASRM and ESHRE 2018

https://rd.springer.com/article/10.1007%2Fs10815-019-01408-x


"Seize approches de l’intelligence artificielle (IA) et de l’apprentissage automatique (Machine Learning) ont été signalées lors des congrès annuels de 2018 de l’American Society for Reproductive Biology et de la Société européenne pour la reproduction humaine et l’embryologie . Presque tous les aspects des soins aux patients ont été étudiés, y compris la morphologie des spermatozoïdes, l’identification des spermatozoïdes, l’identification des follicules vides ou contenant des ovocytes, la prédiction des stades cellulaires des embryons, la prévision de la formation de blastocystes à partir des ovocytes, évaluer la qualité des blastocystes humains, prévoir les naissances vivantes des blastocystes, améliorer la sélection des embryons et élaborer des protocoles optimaux de stimulation de la FIV."


Cela représente une augmentation considérable du nombre de rapports par rapport à 2017, où un seul résumé a été déclaré à l’ASRM (AI) et à l’ESHRE (Machine Learning). Notre analyse révèle une grande variabilité dans la façon dont les méthodes d’IA et de ML sont décrites (De pas du tout ou très générique pour une description complète du cadre architectural) et une grande variabilité sur les tailles d’ensembles de données acceptées (de seulement 3 patients avec 16 follicules dans le plus petit ensemble de données à 661060 images de 11898 embryons humains dans l’un des plus grands). Il est clair que l’IA et l’IA sont des méthodes en plein essor en reproduction humaine et en embryologie et qu’elles bénéficieraient d’une application précoce des normes de déclaration."


Deep learning enables robust assessment and selection of human blastocysts after in vitro fertilization

https://www.nature.com/articles/s41746-019-0096-y


"Nous avons mis en œuvre une approche fondée sur des réseaux neuronaux profonds (DNN) pour sélectionner des embryons de la plus haute qualité en utilisant une grande collection d’images d’embryons humains en accéléré (environ 50 000 images) d’un centre de fertilité à grand volume aux États-Unis. Nous avons développé un cadre (STORK) basé sur le modèle de Google Inception. STORK prédit la qualité blastocyste avec une AUC (Aire Sous la Courbe) supérieure à 0,98 et généralise bien aux images d’autres cliniques en dehors des États-Unis et surpasse les embryologues individuels."


À l’aide de données cliniques sur 2182 embryons, nous avons créé un arbre décisionnel pour intégrer la qualité des embryons et l’âge des patients afin de déterminer les scénarios associés à la probabilité de grossesse. Notre analyse montre que le risque de grossesse basé sur des embryons individuels varie de 13,8% (41 ans et mauvaise qualité) à 66,3% (37 ans et bonne qualité) en fonction de l’évaluation automatisée de la qualité du blastocyste et de l’âge du patient.



Benefits and challenges of using artificial intelligence in assisted reproductive technologies