“Het begin van het leven van een embryo op beeldscherm volgen is betoverend mooi”
Prof. dr. Susana M. Chuva de Sousa Lopes
Kunstmatige intelligentie speelt een steeds grotere rol in ons dagelijkse leven. We spenderen steeds meer tijd in de digitale wereld en door de groeiende hoeveelheid beschikbare data en de ontwikkeling van computational tools, zijn we steeds beter in staat om patronen te herkennen. Denk bijvoorbeeld aan algoritmes voor gezichts- en geluidsherkenning of de gerichtheid waarop we online gepersonaliseerde advertenties ontvangen. Zou deze technologie toegepast kunnen worden om het beste embryo te herkennen uit een groep?
De introductie van de embryoscope
Het LUMC heeft als een van de eersten in Nederland een zogenaamde embryoscope gekocht. Dat is een speciale incubator waarin tientallen humane embryo’s gedurende de eerste 5 dagen van ontwikkeling individueel worden gekweekt en tegelijkertijd gefilmd. Dat wil zeggen: van eencellig embryo, of zygote, tot een balletje van cellen, ofwel blastocyst, klaar voor innesteling in de baarmoeder. Met dit apparaat kan het begin van het leven van een embryo nauwkeurig worden gevolgd via een beeldscherm. Dat is betoverend mooi. Het is zelfs hypnotiserend om naar elk beeld te kijken, keer na keer. Zo hopen we te begrijpen wat er eigenlijk gebeurt aan het begin van het leven. Sommige embryo’s ontwikkelen tot gezonde blastocysten, anderen helaas niet. Het is een uitdaging om, bijna als een detective, via elk filmdetail te begrijpen waarom het de ene keer wel lukt en de andere keer niet.
Hoe werkt kunstmatige intelligentie?
Zelfs als een embryo gezond lijkt en in de baarmoeder wordt geplaatst voor innesteling is er een grote kans dat er iets misgaat tijdens de zwangerschap. We zouden terug naar de beelden kunnen gaan en proberen te begrijpen waarom het ene ogenschijnlijk gezonde embryo wel, en het andere niet tot een succesvolle zwangerschap leidt. Dit is waar computational tools, zoals machine learning algoritmes aan te pas komen. Stel je voor dat we heel veel filmpjes hebben en de informatie van welke embryo’s wel en welke niet tot een gezonde zwangerschap leiden. De computer kan de filmpjes van die twee groepen pixel-voor-pixel analyseren en, door ze te vergelijken, ‘leert’ het een bepaald patroon van parameters die de twee groepen van elkaar kunnen onderscheiden. Dat noemen we een training-set. Hoe groter de training-set, des te nauwkeuriger het patroon van parameters om de groepen te onderscheiden. Daarna kunnen we een nieuw filmpje aanbieden, de test-set, en het programma kan een voorspelling doen tot welke groep dit embryo behoort.
Wat kunnen we er mee?
Hoewel dit is een vrij recente technologie is en er immers negen maanden nodig zijn om met zekerheid te weten tot welke groep een embryo behoort, kunnen we met behulp van deze computational tools steeds meer te weten komen over de kansen van individuele embryo’s om zich te ontwikkelen tot een gezonde baby. Maar de filmpjes bevatten beperkte informatie, namelijk alleen de beelden van de delende cellen in het embryo. Zal dit uiteindelijk genoeg zijn om tot een betrouwbare voorspelling te komen? Het algoritme kan niet in de chromosomen kijken om specifieke mutaties op te sporen, en een zwangerschap is natuurlijk ook afhankelijk van de baarmoeder of andere maternale factoren. Er zijn dus veel factoren waar het algoritme geen rekening mee houdt. Maar alle beetjes helpen en het zou me niet verbazen als in de toekomst onze embryo’s in eerste instantie gekozen worden gebaseerd op voorspellingen met behulp van kunstmatige intelligentie.
Dit artikel verscheen eerder als blog op lumc.nl
