Akriti Sharmaは、AIが補助リプロダクティブテクノロジー（ART）を強化する方法を研究してきました。
OslometでのSharmaの博士号は、OsloのFertility Clinic Volvat Spirenのデータを使用して開発します
胚学者が胚子宮に移植するための胚の評価と選択を支援するAIモデル。
「主な目標は、毎日のタスクで胚学者を支援し、胚のより良い評価を提供できるAIモデルを開発することでした」とSharma氏は説明します。
胚は、施肥から約8週間まで及ぶ人間の初期の発達段階です。この後、それは胎児と見なされます。
今日のソリューションは高価であり、ほとんど洞察を提供しません
胚評価のためのAIツールはすでに存在していますが、Sharmaは、ライセンスのコストがかかり、AIの意思決定コンテキストに対する洞察が限られているため解釈が困難であるため、しばしば高価であると指摘しています。
「AI駆動型ツールは、胚の評価を自動化できますが、多くの不妊治療クリニックには高すぎます」と彼女は指摘します。
多くの医療専門家は、彼らが提供する予測の背後にある説明可能な根拠がないため、それらを使用することに懐疑的です。
これは、専門家が、人工知能がどのように行った評価に到達するかについての洞察を持っていないことを意味します。
これらのソリューションを提供する企業は商業エンティティであり、ツールを独自の秘密にしているため、それらがどのように機能するかについての洞察を提供しません。
Sharmaの目的は、AIモデルをよりアクセスしやすく、透明性があり、理解できるようにすることです。
生殖技術とAIがどのように支援されたか
彼女は、生殖補助技術の簡単な説明を提供します。
「生殖補助技術では、卵と精子は制御された環境で体の外で融合されています。AIは、胚の品質の自動評価を提供することで医療専門家を支援できます。」
AIは大量のデータを分析し、人間の専門家にすぐに表示されない可能性のあるパターンを特定できます。これは、次のことを通じて達成できます。
- ビデオまたは画像の分析。胚がどのように変化し、形と構造が成長するかを確認することにより、胚の品質を評価するために使用されます。
- 通常、移植や妊娠が成功するパターンの認識。
- 年齢や喫煙習慣などの患者のデータと、細胞分裂の時間や爆発する時間などの胚の形態性学と組み合わされます。
説明可能な人工知能により、より良い結果が得られます
Sharmaは、説明可能な人工知能（XAI）を利用して、AIモデルを発生学者にとってより理解しやすくしました。
「説明可能なAIの意図は、AIが決定にどのように到達するかを明確にすることです。説明可能なAIは「デバッグ」ツールとして機能することがわかったため、AIモデルが正しいパターンを検討するかどうかを検証できます。」
説明可能なAIは、AIモデルが決定に到達する方法を照らすことができ、モデルで考慮されるエラーや間違ったパターンを識別しやすくすることができます。また、モデルがデータの関連性と生物学的に関連するパターンに焦点を当てることを保証することができます。
発生学者がAIモデルがどのように意思決定するかを理解するとき、結果がより正確で信頼性が高まるように調整を行うことも可能です。
説明可能なAIによる信頼の構築
説明可能なAIは、AIテクノロジーを明確にし、開発者がモデルの最適化の支援を受け、発生学者がAIの決定を信頼するのを支援します。これは、敏感で重要な分野でのAIの効果的な使用を保証する信頼を構築するために重要です。
これは、AIモデルが胚の品質を評価しながら焦点を合わせた胚画像のどの部分を示すことによって実証されています。
将来的には、AIによって駆動されるインタラクティブなツールは、モデルが何をしているかについてより良い洞察を提供しながら、発生学者が精度を向上させるためにモデルのパラメーターを調整できるようにします。
プロセスの合理化
Sharmaは、彼女のAIモデルがどのようにして肥沃度の治療を合理化できるかを説明しています。
「AIは低リスクのタスクを自動化することができ、発生学者がより複雑な決定に集中できるようになります。これにより、出生プロセスがより速く効率的になります。」
専門言語とデータの品質を備えた課題
Sharmaは、コンピューター科学者として直面した最大の課題のいくつかを説明しています。
「最大の課題の1つは、発生学者の技術言語を理解することでした。データの品質と調和も重要なハードルでした。彼らの用語を理解すると、コラボレーションがはるかに容易になりました。発生学者はAIを実験してフィードバックを提供したいと思っていました。」
Sharmaの研究の重要な部分では、Fertility ClinicのデータがAIモデルでの使用に適していることを保証することが含まれていました。
「データはすでに収集されていましたが、AIで使用できるように調和する必要がありました」とSharma氏は言います。
これは、分析に匹敵し、適切な形式に変換することを意味しました。この作業は、正確で信頼できるAI評価を確保するために重要です。
具体的な研究の結果
Sharmaは、彼女の研究が生殖能力治療と生殖の健康の将来にどのように影響するかを要約しています。
「私の調査結果は、AIの専門家と医療専門家の2つのコミュニティが共通の問題を効果的に解決するために結びつきました。これは、最終的に臨床診療においてより統合されたソリューションにつながる可能性があります。」
Sharmaは、低リスクのタスクの自動化や胚の評価における客観性の改善など、彼女の仕事からの具体的な結果をすでに見ています。
「AIはプロセスをより速く、より効率的にすることができます」とSharmaは結論付けています。
これらの実用的なアプリケーションは、臨床診療に即座に利益をもたらす可能性があります。
Akriti Sharmaは、エンジニアリング科学の博士課程でAIテクノロジーをよりアクセスしやすくしたいと考えていました。写真：Olav-JohanØye
有望な見通しですが、より多くの研究が必要です
Sharmaの研究は、より客観的な評価を提供し、プロセスを自動化し、発生学者がより良い決定を下すために支援することにより、補助生殖技術を強化する可能性があります。
ただし、Sharmaは、AIを生殖能力治療に最適に統合するためのさらなる研究とテストの必要性を強調しています。これは、研究結果をより堅牢にするために、複数の診療所からデータを収集する必要があることを意味します。
彼女はまた、高価な商業ソリューションを買う余裕がないかもしれないクリニックにより、AIテクノロジーをよりアクセスしやすくしたいと考えています。
「私の人生の個人的な出来事は、この分野で働くように動機付けられました」とシャルマは言います。
このようにして、彼女は社会的な違いを生むことを望んでいます。
参照：
Akriti Sharma：生殖支援技術における人工知能の応用、Oslomet論文、2025、no。 24。
#人工知能が支援された受精にどのように革命をもたらすことができるか