هوش مصنوعی در غربالگری و انتخاب جنین: تحولی در درمان ناباروری

ناباروری یکی از مهم‌ترین چالش‌های سلامت جهانی است که بر حدود 15 درصد از زوج‌های در سن باروری تاثیر می‌گذارد. با وجود پیشرفت چشمگیر فناوری‌های کمک‌باروری (art)، میزان موفقیت لقاح آزمایشگاهی (ivf) در هر چرخه هنوز کمتر از 30 درصد گزارش می‌شود. دلیل اصلی این نرخ پایین، دشواری در شناسایی جنین‌هایی است که بیشترین پتانسیل برای لانه‌گزینی موفق دارند. در سال‌های اخیر، هوش مصنوعی (ai) به‌عنوان ابزاری تحول‌آفرین در تحلیل داده‌های پیچیده زیستی و پزشکی مطرح شده است. در این مرور نظام‌مند، بیست مطالعه کلیدی بین سال‌های 2019 تا 2024 مورد بررسی و مقایسه قرار گرفته‌اند. یافته‌ها نشان می‌دهد که مدل‌های یادگیری عمیق (deep learning) و شبکه‌های عصبی کانولوشنی (cnn) با تحلیل تصاویر تایم‌لپس و داده‌های چندوجهی توانسته‌اند دقت پیش‌بینی تولد زنده را تا بیش از 91٪ افزایش دهند. علاوه بر این، پژوهش‌های جدید در حوزه غربالگری ژنتیکی غیرتهاجمی (nipgt) و غربالگری چندژنی (pgt-p) چشم‌انداز تازه‌ای برای تشخیص زودهنگام ناهنجاری‌ها و کاهش خطر بیماری‌های ارثی فراهم کرده‌اند. در همین راستا، استفاده از هوش مصنوعی تفسیرپذیر (explainable ai) در ارزیابی جنین که نخستین‌بار در مطالعه huang و همکاران (2024) مطرح شد، مسیر تازه‌ای برای ترکیب دقت الگوریتمی با شفافیت بالینی گشوده است. باوجود این، چالش‌هایی چون کمبود داده‌های متوازن، سوگیری جمعیتی، و مسائل اخلاقی همچنان پابرجاست. هدف این مقاله، تبیین نقش هوش مصنوعی در تشخیص و انتخاب جنین سالم، مرور روش‌های ارزیابی موجود و تحلیل چالش‌های علمی و اخلاقی پیش‌رو است.