nach oben

Gynäkologische Endokrinologie

Erschienen in:

12.01.2023 | ICSI | Medizin aktuell

Entscheidungsfindungen in der Reproduktionsmedizin

Von der menschlichen zur künstlichen Intelligenz

verfasst von: Dr. med. M. Goeckenjan, A. Festag, J. N. Kather

Erschienen in: Gynäkologische Endokrinologie | Ausgabe 1/2023

Einloggen, um Zugang zu erhalten

Auszug

Schon länger werden in der Reproduktionsmedizin sehr große Datenmengen v. a. durch die Beobachtung der embryonalen Entwicklung und durch die Erhebung von klinischen Behandlungsverläufen von medizinisch assistierter Reproduktion (MAR) in nationalen und internationalen Registern erzeugt. Die moderne Überwachung eines IVF(In-vitro-Fertilisation)-Labors mit automatisierter Probenzuordnung, der elektronischen Witnessing-Technik, führt zur Datenerhebung von kleinteiligen Arbeitsschritten und -zeiten sowie zur damit möglichen, noch detaillierteren Auswertung in Abhängigkeit von gewählten Outcome-Parametern. Die Speicherung und die Auswertung dieser Datenmengen machen professionelle Lösungen nötig, beispielsweise durch Cloud-Anbieter. …

Nur mit Berechtigung zugänglich

Big Data

Durch die digitale Dokumentation und Automatisierung entstehen große Datensätze, die entweder strukturiert mit Vorgaben zur Archivierung oder unstrukturiert gespeichert werden. Zahlen, Text, Bilder, Videos können in den Datensatz eingehen.

„Real world data“/„real world evidence“

Daten, die im klinischen Alltag erhoben werden und in Registern zu Qualitätssicherung/-management oder im Rahmen von Versorgungsforschung analysiert werden, haben eine zunehmende Bedeutung für die klinische Evidenz. Das Tracking von klinischen Daten der Studienteilnehmer:innen mit der Möglichkeit, klinische Daten untersucherunabhängig zu erheben, verbessert die Qualität dieser Daten. Perspektivisch kann so möglicherweise der Goldstandard für evidenzbasierte Medizin, die randomisierte, kontrollierte Studie, abgelöst werden (https://www.fda.gov/science-research/science-and-research-special-topics/real-world-evidence, letzter Zugriff 29.08.2022).

Machine Learning (ML)

Methode, um Datensätze auf Zusammenhänge zu untersuchen. Beispielsweise wird diese Methodik in der Medizin für die Bildauswertung eingesetzt. Dabei werden Algorithmen genutzt, um aus den verfügbaren Daten prädiktive Zusammenhänge zu Outcome-Parametern durch Modelle zu finden. Vielfältige gewichtete Parameter können in prädiktive Modelle eingehen und in Entscheidungsfindungsbäumen des Algorithmus genutzt werden. ML kann supervidiert und unsupervidiert erfolgen.

Supervidiertes/überwachtes ML

Analyse von strukturierten Daten, bei dem bereits Marker oder Kategorien zur Beurteilung bekannt sind und die Daten mit dieser Vorgabe untersucht werden.

Unsupervidiertes/unüberwachtes ML

Hier werden sämtliche Daten zur Entdeckung von möglichen Mustern oder Strukturen für die Beurteilung genutzt. Die resultierenden Ergebnisse müssen jedoch durch Expert:innen interpretiert werden.

Deep Learning (DL), neuronale Netzwerke

Eine Technik, die Teil des ML ist und insbesondere in der Bildverarbeitung sehr gute Ergebnisse erbracht hat. DL benutzt tiefe künstliche neuronale Netzwerke zur Datenverarbeitung in verschiedenen Anwendungsbereichen.

Künstliche Intelligenz (KI)

Ein Überbegriff für Methoden, die menschliche Fähigkeiten in Computern automatisieren. Durch inflationäre Verwendung ist der Begriff „KI“ in die Kritik gekommen. Im Bereich des DL wird die Verwendung des Begriffs jedoch gemeinhin akzeptiert.

ROC(„receiver operating characteristics“)-Kurven

Die graphische Darstellung ist eine Möglichkeit, die Ergebnisse verständlich darzustellen, je höher die Fläche unter der Kurve ist („area under the curve“, AUC), desto besser kann das Modell unterschiedliche Klassen in einem gegebenen Datensatz unterscheiden.

„Accuracy“

Modelle werden in Bezug auf die prädiktive Aussage oft mit „accuracy“ (Treffsicherheit) beurteilt. Ein Wert von 90 % bedeutet eine Treffgenauigkeit bei 90 von 100 Vorhersagen und ist ein Marker für den Anteil an korrekten Vorhersagen (Anteil von richtig positiv + richtig negativ) von allen Vorhersagen.

Automatisierung

Die Arbeitsprozesse, die bisher durch qualifiziertes Personal erfolgten, werden durch computergesteuerte Maschinen übernommen. Nach Daten- und Prozessanalysen werden die Maschinen angelernt und werden in komplexen Steuerungs- und Regelungsprozessen angewendet.

„Ground truth“

Der Versuch, durch Algorithmen die tatsächliche Wahrheit abzubilden, wird in der KI in Analogie zur Kartierung des Bodens durch Satellitenaufnahmen „ground truth“ (Grundwahrheit) genannt.

Abdullah KAL, Atazhanova T, Chavez-Badiola A, Shivhare SB (2022) Automation in ART: paving the way for the future of infertility treatment. Reprod Sci. https://doi.org/10.1007/s43032-022-00941-yCrossRef

Chen Y, Elenee Argentinis JD, Weber G (2016) IBM Watson: how cognitive computing can be applied to big data challenges in life sciences research. Clin Ther 38(4):688–701CrossRef

Hajirasouliha I, Elemento O (2020) Precision medicine and artificial intelligence: overview and relevance to reproductive medicine. Fertil Steril 114(5):908–913. https://doi.org/10.1016/j.fertnstert.2020.09.156CrossRef

Bori L, Meseguer M (2021) Will the introduction of automated ART laboratory systems render the majority of embryologists redundant? Reprod Biomed Online 43(6):979–981CrossRef

Glujovsky D, Quinteiro Retamar AM, Alvarez Sedo CR, Ciapponi A, Cornelisse S, Blake D (2022) Cleavage-stage versus blastocyst-stage embryo transfer in assisted reproductive technology. Cochrane Database Syst Rev 5(5):CD2118. https://doi.org/10.1002/14651858.CD002118.pub6CrossRef

Ahlström A, Lundin K, Lind AK et al (2022) A double-blind randomized controlled trial investigating a time-lapse algorithm for selecting Day 5 blastocysts for transfer. Hum Reprod 37(4):708–717. https://doi.org/10.1093/humrep/deac020CrossRef

Zhang Y, Weng Y, Lund J (2022) Applications of explainable artificial intelligence in diagnosis and surgery. Diagnostics (Basel) 12(2):237. https://doi.org/10.3390/diagnostics12020237CrossRef

Fanton M, Tang J, Maeder-York P, Hariton E, Barash O, Weckstein L, Sakkas D, Copperman A, Loewke A (2022) P‑600 A combined expected benefit analysis of using two machine learning models for optimizing starting gonadotropin dose and day of trigger during ovarian stimulation. Hum Reprod. https://doi.org/10.1093/humrep/deac107.552CrossRef

Zaninovic N, Sierra J, Malmsten J, Rosenwaks Z (2022) O‑120 Embryo ranking agreement between embryologists and AI algorithms. Hum Reprod. https://doi.org/10.1093/humrep/deac105.020CrossRef

10.

Blavier P, Grobet D, Duflos C, Rayssiguier R, Ranisavljevic N, Duport Percier M, Rodriguez A, Blockeel C, Dos Santos Ribeiro S, Faron G, Gucciardo L, Fuchs F (2022) P‑404 Usability, accuracy and cost-effectiveness of “eDiagEPU”, a medical software for early pregnancies: a retrospective study. Hum Reprod. https://doi.org/10.1093/humrep/deac107.381CrossRef

Titel: Entscheidungsfindungen in der Reproduktionsmedizin
Von der menschlichen zur künstlichen Intelligenz
verfasst von: Dr. med. M. Goeckenjan
A. Festag
J. N. Kather
Publikationsdatum: 12.01.2023
Verlag: Springer Medizin
Schlagwörter: ICSI
Künstliche Intelligenz
Erschienen in: Gynäkologische Endokrinologie / Ausgabe 1/2023
Print ISSN: 1610-2894
Elektronische ISSN: 1610-2908
DOI: https://doi.org/10.1007/s10304-022-00489-9

Neu im Fachgebiet Gynäkologie und Geburtshilfe

Alter der Mutter beeinflusst Risiko für kongenitale Anomalie

28.05.2024 Kinder- und Jugendgynäkologie Nachrichten

Welchen Einfluss das Alter ihrer Mutter auf das Risiko hat, dass Kinder mit nicht chromosomal bedingter Malformation zur Welt kommen, hat eine ungarische Studie untersucht. Sie zeigt: Nicht nur fortgeschrittenes Alter ist riskant.

Fehlerkultur in der Medizin – Offenheit zählt!

28.05.2024 Fehlerkultur Podcast

Darüber reden und aus Fehlern lernen, sollte das Motto in der Medizin lauten. Und zwar nicht nur im Sinne der Patientensicherheit. Eine negative Fehlerkultur kann auch die Behandelnden ernsthaft krank machen, warnt Prof. Dr. Reinhard Strametz. Ein Plädoyer und ein Leitfaden für den offenen Umgang mit kritischen Ereignissen in Medizin und Pflege.

Mammakarzinom: Brustdichte beeinflusst rezidivfreies Überleben

26.05.2024 Mammakarzinom Nachrichten

Frauen, die zum Zeitpunkt der Brustkrebsdiagnose eine hohe mammografische Brustdichte aufweisen, haben ein erhöhtes Risiko für ein baldiges Rezidiv, legen neue Daten nahe.

Mehr Lebenszeit mit Abemaciclib bei fortgeschrittenem Brustkrebs?

24.05.2024 Mammakarzinom Nachrichten

In der MONARCHE-3-Studie lebten Frauen mit fortgeschrittenem Hormonrezeptor-positivem, HER2-negativem Brustkrebs länger, wenn sie zusätzlich zu einem nicht steroidalen Aromatasehemmer mit Abemaciclib behandelt wurden; allerdings verfehlte der numerische Zugewinn die statistische Signifikanz.

Update Gynäkologie

Bestellen Sie unseren Fach-Newsletter und bleiben Sie gut informiert – ganz bequem per eMail.

Newsletter bestellen

Live-Webinar "Urologie und Sexualmedizin in der Praxis"

Springer Medizin

Auszug

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 1/2023

Therapeutische Effekte der hysteroskopischen Polypresektion mit und ohne Doxycyclingabe bei chronischer Endometritis

Mitteilungen der DMG

Einfluss von Pubertät und Hormonen auf die Knochenentwicklung

Pro und kontra Social Freezing – eine Stellungnahme aus reproduktionsmedizinischer und psychosomatischer Perspektive