L’emploi de l’intelligence artificielle réduit de 7 % le temps nécessaire pour avoir un bébé par reproduction assistée

• De plus, l’IA appliquée à la sélection embryonnaire permet d’accroître le taux de grossesse de 5 %, voire même de 7 % si on parle de taux cumulé
• Au niveau de la sélection de gamètes, l’IA permet de distinguer potentiellement le spermatozoïde qui affiche la plus grande capacité de féconder l’ovocyte et de créer un embryon. Elle identifie aussi les ovules de meilleure qualité, ce qui est extrêmement utile pour les programmes de préservation de la fertilité
• Les progrès de l’IA présentés au congrès seront source de grands bénéfices en termes de personnalisation des traitements, de réduction du timing et du stress pour les patientes, et d’amélioration de la prise des décisions cliniques, le tout pour une optimisation accrue des résultats des processus reproductifs

BARCELONE, 25 AVRIL 2025

L’intelligence artificielle (IA) révolutionne de plus en plus le domaine de la médecine reproductive, en particulier au niveau de la sélection des gamètes (ovules et spermatozoïdes) et des embryons. En ce sens, l’étude intitulée « Predicting time to live Birth with Deep Learning embryo Ranking: a novel multiple imputation approach », emmenée par des chercheurs d’IVI Valence et présentée au 11^th International IVIRMA Congress, qui a lieu ces jours-ci à Barcelone, montre comment l’application de l’IA permet de réduire d’environ 7 % le temps nécessaire pour obtenir un bébé. 

C’est ce que nous explique le Docteur Marcos Meseguer, directeur global d’embryologie d’IVI RMA 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.

De plus, dans le cadre du congrès, différents travaux ont été présentés concernant la manière dont ces outils technologiques pourraient améliorer la prise de décisions dans les traitements de reproduction assistée (TRA), car ils constituent un appui objectif basé sur des données : sélection embryonnaire, sélection de gamètes ou stimulation ovarienne sont quelques-uns des champs dans lesquels l’IA peut avoir un grand potentiel.

Les données présentées confirment que l’IA appliquée à la sélection embryonnaire a permis d’accroître également de 5 % le taux de grossesse, le portant même à 7 % lorsque l’on parle de taux cumulé (au bout de plusieurs tentatives), selon l’étude « Undisturbed culture: a clinical examination of this culture strategy on embryo in vitro development and clinical outcomes », publiée dans la revue Fertility and Sterility. « De nos recherches, nous avons pu 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 » souligne le Dr. Meseguer.

En marge de ces prometteurs résultats, IVI se trouve aussi à la tête d’intéressantes recherches qui abordent l’application de l’IA à la sélection de gamètes. Le congrès IVI est l’occasion de présenter 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 ; et 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’IVI RMA Italia.

Utilisations prometteuses pour la stimulation ovarienne

En effet, au cœur de cette révolution qu’a supposé l’application de l’IA au domaine de la médecine reproductive, l’une des utilisations les plus prometteuses réside dans la stimulation ovarienne puisque la qualité et le nombre d’ovocytes sont les variables les plus importantes et celles qui contribuent le plus à la réussite des traitements de reproduction assistée.

Cela dit, l’ovocyte est le seul composant clé des traitements de reproduction assistée pour lequel on ne disposait pas encore d’une méthode d’évaluation normalisée ; d’où le travail de développement d’outils basés sur l’IA pour son évaluation. 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 et également présentée dans le cadre de l’IVIRMA Congress, 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 l’outil d’IA fait appel à des algorithmes d’apprentissage profond qui analysent des données de cycles passés de stimulation ovarienne pour pouvoir prédire le résultat spécifique pour chaque patiente. Ce qui permet aux médecins d’adapter le traitement de stimulation ovarienne selon les caractéristiques individuelles de chaque patiente, améliorant ainsi les probabilités de réussite.

Ce qui, à son tour, réduit les visites médicales inutiles puisque l’on peut prédire avec précision le jour de déclenchement de l’ovulation et le nombre d’ovocytes, limitant ainsi le nombre de rendez-vous à la clinique. Un gain de temps et d’énergie précieux pour les patientes, qui réduit également le stress associé à ce type de traitements.

« 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.