Dans un récent Fertilité et stérilité revue, les chercheurs résument les preuves disponibles sur l’application de l’intelligence artificielle (IA) et de l’apprentissage automatique dans la sélection des spermatozoïdes.
Tous les articles pertinents ont été obtenus à partir des bases de données PubMed Central, Web of Science et MEDLINE-Academic. Un total de 261 articles ont été trouvés lors de la recherche initiale ; cependant, sur la base des critères d’inclusion, 34 articles ont été sélectionnés.
Étude: Intelligence artificielle (IA) pour la sélection des spermatozoïdes – une revue systématique. Crédit d’image : Inna Dodor/Shutterstock.com
Importance de la sélection des spermatozoïdes
À l’échelle mondiale, plus de 100 millions de personnes rencontrent des problèmes liés à l’infertilité, le facteur masculin contribuant jusqu’à 50 % de ces cas.
L’analyse du sperme, qui est associée à l’étude de la morphologie, de la motilité et de l’intégrité de l’ADN des spermatozoïdes, est essentielle pour le diagnostic et le traitement ultérieur de l’infertilité masculine. Sur la base de divers paramètres, les embryologistes sont confrontés à la tâche ardue de sélectionner un seul spermatozoïde parmi des millions dans un échantillon, un processus laborieux à haut risque d’erreurs de sélection.
Les paramètres du sperme sont de solides indicateurs pronostiques des résultats de la fécondation et de la grossesse. Si l’analyse indique que les paramètres du sperme sont sous-optimaux, les technologies de procréation assistée (ART) peuvent être appliquées pour aider les spermatozoïdes à surmonter la barrière de l’appareil reproducteur féminin, améliorant ainsi la probabilité de conception.
Les taux de réussite de l’ART sont restés relativement faibles à l’échelle mondiale en raison du manque de sélection appropriée des spermatozoïdes. Malgré les progrès technologiques, la sélection finale du sperme est principalement effectuée manuellement par un embryologiste selon les critères de l’Organisation mondiale de la santé (OMS). La sélection des spermatozoïdes est cruciale, car un seul spermatozoïde est nécessaire pour l’injection intracytoplasmique de spermatozoïdes (ICSI).
L’OMS a fourni des conseils pour une sélection appropriée des spermatozoïdes en fonction de la morphologie, y compris la longueur de la tête des spermatozoïdes, la présence / l’absence de vacuole et la circularité, ainsi que la motilité. Cependant, les embryologistes n’ont pas suffisamment de temps pour évaluer un sperme entier de manière holistique, ce qui pourrait avoir un impact sur le succès de l’ART. Ici, l’IA pourrait être appliquée pour améliorer l’efficacité de la sélection des spermatozoïdes.
IA et apprentissage automatique pour la sélection de sperme
Des études antérieures ont indiqué que l’IA peut identifier de manière cohérente et efficace un embryon avec un potentiel de développement et d’implantation optimal. L’IA peut également réduire le temps et les efforts de l’embryologiste associés à l’évaluation visuelle et au classement manuel des embryons.
Les algorithmes d’apprentissage automatique sont capables de traiter de grands ensembles de données, similaires à la majeure partie des données évaluées lors de l’évaluation des embryons. Par conséquent, cette technique peut être appliquée pour automatiser le processus de sélection des spermatozoïdes en couplant les données génétiques et visuelles. La mise en œuvre d’algorithmes d’IA et d’apprentissage automatique dans le laboratoire ART pourrait améliorer considérablement les capacités de sélection des spermatozoïdes de l’embryologiste.
La morphologie favorable des spermatozoïdes est caractérisée par une tête lisse et ovale, l’absence de vacuoles larges/multiples, un acrosome couvrant 40 à 70 % de la tête, la finesse de la pièce médiane et un cytoplasme résiduel pouvant atteindre un tiers de la taille de la tête. Les algorithmes d’IA peuvent normaliser et accélérer les analyses de sperme en fonction des modèles disponibles. De plus, la morphologie des spermatozoïdes, associée à des algorithmes d’apprentissage en profondeur, pourrait être évaluée avec une précision d’environ 98 %.
Les performances des algorithmes d’IA et d’apprentissage automatique dépendent de la qualité des images de l’ensemble de données d’entraînement. Pour obtenir une plus grande précision dans ces systèmes, ils doivent être formés avec des données d’imagerie de sperme plus grandes et de haute qualité.
Dans certains cas, les spermatozoïdes sont très susceptibles d’être endommagés dans la tête du sperme, ce qui entraîne des aberrations chromosomiques, une fragmentation de l’ADN et un raccourcissement des télomères. La fertilité masculine est inversement associée à l’indice de fragmentation de l’ADN (DFI), qui est extrêmement important pour la sélection des spermatozoïdes. Des techniques telles que l’électrophorèse sur gel unicellulaire (SCGE), le marquage terminal désoxynucléotidyl transférase UTP nick-end (TUNEL) et l’analyse de la structure de la chromatine du sperme sont utilisées pour détecter la fragmentation de l’ADN.
Les scientifiques ont développé des algorithmes d’apprentissage automatique en entraînant le système avec des images de sperme liées aux valeurs DFI associées. Ce système standardisé peut évaluer avec précision la qualité d’un seul spermatozoïde sur la base de l’ensemble de données formé, éliminant ainsi toute préoccupation concernant la subjectivité humaine.
Les embryologistes utilisent l’imagerie holographique, l’analyse de sperme assistée par ordinateur (CASA) et les plates-formes microfluidiques pour déterminer la motilité des spermatozoïdes. CASA est une méthode à haut débit qui évalue de grandes quantités de sperme au niveau de l’échantillon mais n’analyse pas la motilité simple des spermatozoïdes.
Cela peut être résolu avec le développement d’un modèle mathématique basé sur le mouvement hélicoïdal tridimensionnel (3D) du battement de la queue. Les techniques d’imagerie holographique à haute résolution permettent aux scientifiques d’évaluer les schémas de battement de la queue des spermatozoïdes nageant librement.
De multiples données sur la motilité des spermatozoïdes liées au CASA, aux puces microfluidiques et à l’imagerie holographique sont utilisées pour former le système d’IA, couplées à d’autres paramètres de fertilité masculine pour sélectionner le sperme optimal pour l’ART. Ainsi, les applications de l’IA et des techniques d’apprentissage automatique ont considérablement amélioré les taux de conception et les résultats de grossesse réussis après l’ART.
