Akriti Sharma har forsket på hvordan kunstig intelligens kan forbedre assistert reproduksjonsteknologi (ART).
Sharmas doktorgradsarbeid i ingeniørvitenskap ved OsloMet har brukt data fra fertilitetsklinikken Volvat Spiren i Oslo for å utvikle KI-modeller som hjelper embryologer med å evaluere og velge embryoer for overføring til kvinnens livmor.
– Hovedmålet var å utvikle KI-modeller som kan hjelpe embryologer i deres daglige oppgaver og gi bedre vurderinger av embryoer, forklarer Sharma.
Et embryo er det tidlige utviklingsstadiet av et menneske, fra befruktning til omtrent åtte uker. Etter dette regnes det som et foster.
Dagens løsninger er dyre og gir lite innsikt
Selv om KI-verktøy for embryovurdering allerede finnes, påpeker Sharma at disse ofte er dyre på grunn av lisensiering og vanskelige å tolke på grunn av begrenset innsikt i beslutningsprosessen som den kunstige intelligensen tar.
– KI-drevne verktøy kan automatisere embryovurdering, men er ofte for dyre for mange fertilitetsklinikker, bemerker hun.
– Og mange medisinske eksperter er skeptiske til å bruke dem på grunn av manglende forklarbarhet bak forutsigelsene de gir.
Dette innebærer at fagfolkene ikke får innsyn i hvordan den kunstige intelligensen kommer fram til vurderingene den har gjort.
Selskapene som tilbyr disse løsningene er kommersielle, noe som gjør verktøyene deres til forretningshemmeligheter, og de vil derfor ikke gi innsikt i hvordan de fungerer.
Sharmas mål er å gjøre KI-modeller mer tilgjengelige, transparente og forståelige.
Slik fungerer assistert reproduksjonsteknologi og KI
Hun gir en enkel forklaring på assistert reproduksjonsteknologi:
– I assistert reproduksjonsteknologi fusjoneres egg og sperm utenfor kroppen i et kontrollert miljø. KI kan bistå medisinske eksperter ved å gi en automatisert vurdering av embryoets kvalitet.
KI kan analysere store mengder data og identifisere mønstre som kanskje ikke er umiddelbart synlige for menneskelige eksperter. Dette kan oppnås gjennom
- video- eller bildeanalyse brukes til å vurdere kvaliteten på et embryo ved å se hvordan det forandrer seg og vokser i form og struktur over tid
- gjenkjenning av mønstre som typisk resulterer i vellykkede implantasjoner og graviditeter
- kombinering av pasientdata, som alder og røykevaner, med det som kalles embryoets morfokinetikk, som tid for celledeling eller tid til blastocystdannelse
Forklarbar kunstig intelligens gir bedre resultater
Sharma har brukt forklarbar kunstig intelligens (XAI) for å gjøre KI-modeller mer forståelige for embryologer.
– Intensjonen med forklarbar KI er å klargjøre hvordan KI kommer fram til beslutninger.
– Vi fant ut at forklarbar KI kan fungere som et «debugging»-verktøy, som gjør oss i stand til å validere om KI-modellene vurderer de riktige mønstrene.
Forklarbar KI kan belyse hvordan KI-modeller tar en beslutning, noe som gjør det lettere å identifisere feil eller gale mønstre som modellen vurderer. Den kan også sikre at modellen fokuserer på relevante og biologisk relevante mønstre i data.
Når embryologene forstår hvordan KI-modellen tar beslutninger er det også mulig å gjøre justeringer slik at resultatet blir mer nøyaktig og pålitelig.
Bygger tillit med forklarbar KI
Forklarbar KI gjør det altså klarere hvordan KI-teknologien jobber, og det kan hjelpe utviklere med modelloptimalisering og embryologer med å kunne stole på KIs beslutninger. Dette er avgjørende for å bygge tillit og sikre effektiv bruk av KI på sensitive og viktige områder.
Dette gjøres for eksempel ved å vise hvilke deler av et embryo-bilde KI-modellen fokuserer på mens den vurderer embryoets kvalitet.
I framtiden kan interaktive verktøy drevet av KI gi bedre innsikt i hva modellen gjør, samtidig som de gir embryologene mulighet til å justere modellens parametere for å forbedre nøyaktigheten.
Effektiviserer prosessen
Sharma forklarer hvordan hennes KI-modeller kan effektivisere fertilitetsbehandlinger:
– KI kan automatisere lavrisiko-oppgaver, noe som gir embryologene mulighet til å fokusere på mer komplekse avgjørelser. Dette kan gjøre fertilitetsprosessen raskere og mer effektiv.
Utfordringer med fagspråk og datakvalitet
Sharma beskriver noen av de største utfordringene hun møtte som informatiker:
– En av de største utfordringene var å forstå fagspråket til embryologene. Datakvalitet og harmonisering var også betydelige hindringer.
– Når jeg først forsto deres terminologi, ble samarbeidet mye lettere. Embryologene var ivrige etter å eksperimentere med KI og gi tilbakemelding.
En viktig del av Sharmas forskning var å sikre at dataene fra fertilitetsklinikken var egnet for bruk av KI-modeller.
– Dataene var allerede samlet inn, men de måtte harmoniseres for å være brukbare for KI, sier Sharma.
Dette innebærer å konvertere dem til et format som gjør dem sammenlignbare og egnet for analyse. Dette arbeidet er kritisk for å sikre nøyaktige og pålitelige KI-vurderinger.
Forskningen har gitt konkrete resultater
Sharma oppsummerer hvordan hennes forskning kan påvirke fremtiden for fertilitetsbehandlinger og reproduktiv helse:
– Mine funn har brakt to samfunn sammen – KI-eksperter og medisinske fagfolk – for å løse et felles problem effektivt. Dette kan etter hvert føre til bedre integrerte løsninger i klinisk praksis.
Sharma har allerede sett konkrete resultater fra sitt arbeid, som automatisering av lavrisiko-oppgaver og forbedret objektivitet i embryo-vurderinger.
– KI kan gjøre prosessen raskere og mer effektiv, konkluderer Sharma.
Disse praktiske anvendelsene kan ha umiddelbare fordeler for klinisk praksis.
Akriti Sharma ønsket å gjøre KI-teknologien mer tilgjengelig i sitt doktorgradsarbeid i ingeniørvitenskap.
Lovende framtidsutsikter, men det trengs mer forskning
Sharmas forskning har altså potensial til å forbedre assistert reproduksjonsteknologi ved å gi mer objektive vurderinger, automatisere prosesser, og hjelpe embryologer med å ta bedre beslutninger.
Hun understreker imidlertid behovet for videre forskning og testing for best mulig integrering av KI i fertilitetsbehandlinger. Dette betyr at data bør samles inn fra flere klinikker for å gjøre forskningsresultatene mer robuste.
Hun ønsker også å gjøre KI-teknologien mer tilgjengelig for klinikker som kanskje ikke har råd til kostbare kommersielle løsninger.
– Personlige hendelser i livet mitt motiverte meg til å jobbe med dette, sier Sharma. På denne måten håper hun å gjøre en forskjell i samfunnet.
Referanse
Akriti Sharma: Application of Artificial Intelligence in Assisted Reproductive Technology, OsloMet avhandling, 2025, nr. 24.
