Штучний інтелект допомагає виявляти рідкісні сперматозоїди, пропущені при стандартних тестах
Створіть обліковий запис, щоб зберігати свої статті.Додати в GoogleДодайте Decrypt як бажане джерело, щоб бачити більше наших історій у Google.
Коротко
ШІ допомагає лікарям знаходити сперматозоїди у чоловіків, яким раніше було діагностовано їх відсутність.
За словами дослідників, ШІ виявив сперматозоїди приблизно у 30% протестованих випадків.
Експерти зазначають, що все ще потрібні масштабніші клінічні випробування.
Штучний інтелект, розроблений у Колумбійському університеті, допомагає лікарям знаходити сперматозоїди у чоловіків, яким раніше повідомляли про їх відсутність, відкриваючи новий шлях до біологічного батьківства для деяких пар, згідно з повідомленням BBC.
Метод під назвою Star (Sperm Track and Recovery – Відстеження та відновлення сперми), розроблений Центром репродуктивної медицини Колумбійського університету, використовує штучний інтелект для сканування зразків сперми або тканин з метою виявлення надзвичайно рідкісних сперматозоїдів, які часто пропускаються стандартними лабораторними методами. Цей підхід може дозволити деяким чоловікам, яких раніше вважали безплідними, використовувати власні сперматозоїди для лікування.
Азооспермія, стан, на який спрямований цей метод, означає відсутність сперматозоїдів у спермі чоловіка при використанні традиційних методів тестування. За даними BBC, це стан вражає близько 10% безплідних чоловіків і приблизно 1% усіх чоловіків.
Star, вперше анонсований у 2025 році, поєднує в собі візуалізацію, ШІ та робототехніку для пошуку сперматозоїдів. Зразки проходять через мікрофлюїдні чіпи – невеликі пристрої з каналами, тонкими, як людська волосина, що контрольовано спрямовують рідину. Під час руху зразка система візуалізації робить близько 300 зображень за секунду. Алгоритм машинного навчання, тип ШІ, навчений розпізнавати патерни, аналізує ці зображення в реальному часі для ідентифікації сперматозоїдів серед інших клітин і забруднень.
Дослідники повідомляють, що робот ізолює сперматозоїди за мілісекунди, уникаючи центрифугування – методу обертання, який може пошкодити крихкі клітини. Потім лікарі можуть використовувати ці сперматозоїди для екстракорпорального запліднення (ЕКЗ), де яйцеклітина запліднюється поза тілом.
Ця новина з’являється на тлі розширення застосування ШІ в медицині лікарями та дослідниками. У квітні OpenAI заявила, що версія ChatGPT, розроблена для клініцистів, перевершила лікарів-людей у виконанні певних клінічних завдань, тоді як дослідники Mayo Clinic повідомили про модель ШІ, яка може виявляти рак підшлункової залози на роки раніше, ніж лікарі, ідентифікуючи тонкі зміни на рутинних скануваннях.
Зев Вільямс, директор Центру репродуктивної медицини Колумбійського університету, зазначив, що метод виявив сперматозоїди у трохи менше ніж 30% протестованих пацієнтів. Цим пацієнтам раніше повідомляли, що у них немає шансів на вироблення придатних для використання сперматозоїдів. Він також додав, що метод виявив у 40 разів більше сперматозоїдів, ніж при ручному пошуку навченими техніками, досягнувши 100% чутливості.
"Усі просто стрибали від радості," – сказав Вільямс BBC. – "Є дуже мало речей, де винагородою за всю докладену роботу є щось настільки чудове і особливе, як це. Тепер є дівчинка, і, сподіваюся, з Божою волею, багато-багато інших."
Перша вагітність з використанням методу Star була підтверджена у 2025 році. Вона стосувалася пари, ідентифікованої як Семюел і Пенелопа, які намагалися зачати дитину більше двох років. Семюелю був діагностований синдром Клайнфельтера – генетичний стан, при якому у чоловіків народжується зайва Х-хромосома, що часто призводить до дуже низького або відсутнього вироблення сперми.
"Це починає здаватися справжнім, особливо тому, що я відчуваю рухи," – розповіла BBC Пенелопа. – "У нас було УЗД для визначення анатомії, і все виглядає чудово."
Погляд Crypto Top: Інтеграція передових ШІ-алгоритмів у медичні діагностичні процеси, подібні до цього, демонструє потенціал децентралізованих обчислювальних мереж для зберігання та обробки величезних обсягів медичних даних. Це може стимулювати розробку спеціалізованих ШІ-агентів, що працюють на блокчейні, для аналізу медичних зображень та підвищення ефективності діагностики, потенційно збільшуючи корисність токенів, пов’язаних із цими децентралізованими ШІ-платформами.
