Schwanger dank künstlicher Intelligenz

Voll entwickelte Blastozyste. Die zentral gelegene Zellanhäufung entspricht der Embryonalanlage. © KUK Kinderwunsch Zentrum

Dipl.-Umweltwiss. Mag. Markus Manz, CEO Software Competence Center Hagenberg © SCCH

Univ.Prof. Mag. Dr. Thomas Ebner, Leiter IVF-Labor am KUK Kinderwunschzentrum © KUK Kinderwunsch Zentrum

30.11.2021

Vor rund 43 Jahren begründete die In-vitro-Fertilisierung (IVF) die moderne Reproduktionsmedizin. Die Wahrscheinlichkeit durch diese Behandlung ein Kind zu bekommen, liegt laut österreichischem IVF-Register 2019 bei ca. 35 Prozent. Das Kinderwunsch Zentrum am Kepler Universitätsklinikum und das Software Competence Center Hagenberg (SCCH) arbeiten im Rahmen eines vom Land Oberösterreich über die Wirtschafts- und Forschungsstrategie (#upperVISION2030) geförderten Projektes daran, die Qualitätsbewertung der Blastozysten (im Frühstadium befindliche Embryonen) mit Hilfe von künstlicher Intelligenz (KI) zu verbessern und somit die Erfolgschancen für eine Schwangerschaft zu erhöhen.

Die österreichischen IVF-Zentren führten 2019 11.028 IVF-Behandlungen an 7.131 Paaren durch. Bei 9.172 wurde ein Embryo in die Gebärmutter transferiert, worauf es in 3.132 Fällen zu einer Schwangerschaft kam. Eine solche Behandlung ist mit hohem Aufwand und Kosten, sowie körperlichen und psychischen Belastungen für die Patientinnen verbunden. Bei einer IVF werden Eizellen in einer Laborumgebung befruchtet und die Embryonen spätestens im Blastozystenstadium (Tag 5 der Entwicklung) in die Gebärmutter eingesetzt. "Dabei trachtet man danach nur qualitativ hochwertige Blastozysten einzusetzen. Bisher passierte die Analyse unter dem Mikroskop und der mittlere Konsens einer Gruppe von spezialisierten EmbryologInnen entschied mit einem gewissen Maß an Subjektivität über „geeignete“ und „weniger geeignete“ Blastozysten", erklärt Univ.-Prof. Mag. Dr. Thomas Ebner, der das IVF Labor am KUK Kinderwunsch Zentrum leitet.

Künstliche Intelligenz für künstliche Befruchtung

Ziel des Projekts ist die Qualitätsbewertung der Blastozysten durch KI-Methoden so zu verbessern, dass die Wahrscheinlichkeit bei einem Transfer schwanger zu werden deutlich steigt. "Gerade hier kann KI einen wesentlichen Beitrag leisten. Es können verschiedene neuronale Netze eingesetzt werden, um unter anderem die Qualität einer Blastozyste, die beste vorhandene Blastozyste, die Anzahl der einzusetzenden Blastozysten oder die Wahrscheinlichkeit einer Schwangerschaft zu bestimmen", sagt Ebner. Gespeist und trainiert werden diese neuronalen Netze mit einzelnen Bilddaten, Zeitraffer-Serien und weiteren klinischen Parametern, wie beispielsweise dem Alter der Patientinnen.

Trainingsdaten werden benötigt

Eine große Herausforderung beim Einsatz von KI-Methoden, sind die großen Trainingsdatenmengen die benötigt werden. Speziell im medizinischen Bereich können geeignete Trainingsdaten für Klassifizierungsnetze nur mit großem Aufwand generiert werden, da es an Daten von Patientinnen, benötigte Fachkenntnisse zur Datenaufnahme u.v.m. fehlt. "In diesem Projekt werden zum ersten Mal Generative Adversarial Networks (GANs) eingesetzt, um synthetische Bilddaten von Blastozysten zu erzeugen und damit die Menge an Daten um ein Vielfaches zu erhöhen. So können wir den Trainingsprozess der Netze deutlich verbessern. Da das Problem der geringen Datenmenge gerade im medizinischen Bereich oft die Performance von KI-Anwendungen begrenzt, können die Ergebnisse des Projekts auch für viele weitere derartige Problemstellungen von Bedeutung sein", sagt Mag. Markus Manz, CEO des SCCH.