L’intelligence artificielle a évolué au fil du temps dans le domaine de la reproduction assistée, afin de réduire au maximum les incertitudes des mères et des pères dont le principal objectif est l’obtention d’un résultat positif à un test de grossesse. Dans ce blog, nous parlons des derniers progrès de l’intelligence artificielle, de son importance pour choisir les bons embryons et gamètes et de comment ces progrès influencent les résultats.

Pourquoi la sélection embryonnaire est-elle importante ?

Il s’agit d’une étape fondamentale car elle consiste à identifier les embryons ayant le plus de probabilités de s’implanter dans l’utérus. Cela réduit les risques de grossesses multiples ou de naissances assorties d’altérations génétiques, et limite le nombre d’embryons à transférer.

En effet, la bonne sélection des gamètes et des embryons est fondamentale pour la réussite des traitements de reproduction assistée. L’étude « Predicting time to live Birth with Deep Learning embryo Ranking: a novel multiple imputation approach », emmenée par les chercheurs d’IVI Valencia, qui montre comment l’IA peut réduire jusqu’à 7 % le temps d’obtention d’un bébé, en est la preuve patente.

C’est ce que nous explique le Docteur Marcos Meseguer, directeur global d’embryologie d’IVIRMA et coordinateur de l’étude. « Cette étude s’appuie sur un vaste échantillon de plus de 70 000 embryons transférés qui nous permet d’obtenir de meilleurs résultats en un temps moindre et avec les plus solides garanties. Sans aucun doute en termes de temps et de stress émotionnel, c’est un immense progrès pour beaucoup de patientes », explique-t-il.

Augmentation du taux de grossesse

Pour les patientes, toute avancée en matière d’intelligence artificielle est un motif de réjouissance. C’est un message positif les encourageant à poursuivre avec optimisme leur parcours. L’IA, en l’occurrence appliquée à la sélection embryonnaire, permet d’augmenter le taux de grossesse de 5 %, et de parvenir à 7 % en taux cumulé. C’est ce qu’affirme l’étude « Undisturbed culture: a clinical examination of this culture strategy on embryo in vitro development and clinical outcomes ».

Par ailleurs, la bonne sélection des embryons va plus loin. Comme le souligne le Dr. Meseguer : « Nos recherches ont permis de déduire que dans 80 % des cas où l’embryologiste sélectionne les embryons, l’IA offre une alternative de pronostic supérieur. Ce type de données est un exemple supplémentaire de l’impact de l’IA en matière de reproduction assistée, impact qui ne fait que commencer ».

Prédiction de la qualité des gamètes grâce à l’IA

La sélection des ovules et des spermatozoïdes présentant le profil le plus adéquat est fondamentale pour accroître les chances d’une grossesse menée avec succès. De plus, elle évitera de possibles maladies génétiques et contribuera à la réussite reproductive des patientes et patients.

IVI se trouve à la tête de recherches qui supposent de nouveaux progrès, comme l’étude « AI Powered Oocyte Assessment », qui analyse plus de 3 000 ovules et 300 échantillons de sperme par intelligence artificielle pour aider l’embryologiste en laboratoire.

« Appliquée à la prédiction de la qualité des ovocytes, l’IA affiche un fort potentiel en termes de stratégies de préservation de la fertilité et de programmes de dons d’ovocytes, car elle permet de déterminer le nombre optimal d’ovocytes nécessaires à des procédures spécifiques. L’intelligence artificielle peut aider les embryologistes de deux manières importantes. Premièrement car elle prédit la probabilité d’obtenir un blastocyste pour chaque ovocyte individuel. Deuxièmement car elle assigne le nombre idéal d’ovocytes à la cryopréservation ou à l’insémination, à l’appui des caractéristiques du cycle et de la patiente », explique la Professeure Laura Rienzi, directrice scientifique d’IVIRMA Italia.

Les nouveaux progrès dans la stimulation ovarienne

La stimulation ovarienne est un processus contrôlé qui a pour objectif de faire arriver à maturité plusieurs follicules ovariens à la fois. Ainsi, il sera possible d’obtenir un plus grand nombre d’ovocytes, que ce soit pour les féconder ensuite ou pour les vitrifier, selon le traitement choisi.

L’emploi de l’IA dans le domaine de la médecine reproductive affiche bien des promesses pour la stimulation ovarienne. En effet, la qualité et le nombre d’ovocytes sont les deux variables les plus importantes pour la réussite des traitements de reproduction assistée. 

Néanmoins jusqu’à présent il n’existait aucune méthode d’évaluation normalisée abordant intégralement l’importance des ovocytes et encourageant le développement d’outils qui, avec l’aide de l’IA, en permettent l’évaluation.

Bénéfices de l’IA appliquée à la stimulation ovarienne

À ce stade, une autre des études menées, intitulée « Machine learning tool for predicting mature oocyte yield and trigger day from start of stimulation: towards personalized treatment », publiée sur Reproductive Biomedicine Online, offre à la patiente des informations au sujet du nombre d’ovocytes qu’elle peut espérer obtenir, la durée de son processus de stimulation ainsi que le moment probable de réalisation de la ponction ovarienne.

Parmi les progrès relevés, se trouve la personnalisation du traitement, car cette technologie d’IA s’appuie sur des algorithmes d’apprentissage profond qui analysent des données de cycles passés de stimulation ovarienne pour pouvoir prédire le résultat spécifique pour chaque patiente. Et c’est très utile pour aider les médecins à adapter le protocole de stimulation ovarienne en fonction des caractéristiques uniques de chaque patiente, ce qui améliore les taux de réussite.

De plus, les visites inutiles à la clinique se trouvent réduites puisque l’IA prédit avec précision le jour où l’ovulation va se déclencher ainsi que le nombre d’ovocytes attendus. Le nombre de déplacements au cabinet médical est donc limité. Pour les patientes, c’est une économie de temps et d’énergie mais cela leur évite aussi le stress qui accompagne ce type de procédures.

« Une autre des grandes contributions est l’amélioration dans la prise de décisions cliniques grâce à l’information précise fournie au préalable au sujet du cycle de stimulation. Nous pouvons ainsi décider de manière plus éclairée et pertinente. Sans oublier que cette technique signifie plus de précision et des biais limités car à la différence des méthodes conventionnelles, qui peuvent varier selon le médecin ou la clinique, l’IA offre des prédictions cohérentes et basées sur des données. Des éléments qui, tous, contribuent incontestablement à une grande amélioration des résultats des traitements », conclut la professeure Rienzi.