English version

Jakter på den «perfekte» sædcellen

Mikroskopbilde av sædceller som beveger seg mot høyre

Maskinlæring

Maskinlæring er en spesialisering innen kunstig intelligens hvor man bruker statistiske metoder for å la datamaskiner finne mønstre i store datamengder. Vi sier at maskinen «lærer» i stedet for å bli programmert.
Kilde: Store Norske Leksikon

Mellom ti og 15 prosent av alle par er ufrivillig barnløse. De siste tiårene er det utviklet metoder for befruktning utenfor livmoren, såkalt assistert befruktning, men kun rundt en tredel av behandlingsforsøkene lykkes.  

Det skal forskere ved OsloMet, SimulaMet (simulamet.no) og Fertilitetssenteret (fertilitetssenteret.no) forsøke å gjøre noe med.  

– Målet vårt er å forbedre metodene for å velge ut sædceller og embryo, og dermed øke sjansen for graviditet og levendefødte barn, sier Trine B. Haugen, som er professor i biomedisin og leder av forskningsprosjektet ved OsloMet.  

Hvilke sædceller har størst mulighet til å lykkes? 

Forskerne, som har bakgrunn fra biomedisin og informasjonsteknologi, skal bruke kunstig intelligens for å analysere videoer av sædceller og embryo-utviklingen de første dagene etter befruktning. 

Professor og prosjektleder Trine B. Haugen ved OsloMet.

Professor i biomedisin og prosjektleder Trine B. Haugen ved OsloMet.

Planen er blant annet å utvikle bedre metoder for å velge ut sædceller som brukes til å befrukte egget, enten til tradisjonell prøverørs-befruktning eller til behandlingsmetoden der en sædcelle injiseres direkte inn i eggcellen (Se faktaboks). 

– Vi bruker maskinlæring (se faktaboks) for å finne den perfekte spermien til assistert befruktning. Håpet er å bedre kunne forutsi hvilke sædceller som faktisk klarer å befrukte egget, sier Haugen. 

Assistert befruktning

Assistert befruktning er befruktning utenfor livmoren, altså befruktning på annen måte enn ved samleie.
Det er en samlebetegnelse på en rekke medisinske metoder som blir brukt for å få barn.
Ved tradisjonell in vitro-fertilisering (IVF), blandes sædceller og egg i en skål, og en av sædcellene befrukter egget.
En annen metode kalles intracytoplasmatisk spermieinjeksjon (ICSI). Ved denne behandlingen føres sædcellen direkte inn i eggcellen.

Ingen klare kriterier i dag 

I dag velges sædcellene i assistert befruktning ut ved hjelp av mikroskop basert på ytre kjennetegn som bevegelighet og utseende.  

– Sædcellene blir lagt i en seig dråpe i mikroskopet, og man må plukke ut der og da uten å se detaljer eller helt vite man skal se etter. Man velger derfor sædcellene som rører på seg, men det er en veldig overfladisk tilnærming, forklarer Haugen.  

I dag finnes det altså ingen klare kriterier for utvelgelse av sædcellen. 

– Det kan være viktig informasjon om sædcellene vi foreløpig ikke kjenner til og dermed ikke vurderer, sier Haugen. 

– Stort forbedringspotensial

I den vanligste metoden for assistert befruktning, såkalt in vitro-fertilisering (se faktaboks), feiler to av tre forsøk.  

– Vi har et stort forbedringspotensial innen assistert befruktning.  

Det er her kunstig intelligens kommer inn.  

Forskerne i prosjektet kombinerer data fra video av sædceller med annen data, som pasientdata og biologiske kjennetegn, for å få ny kunnskap om sædkvaliteten. 

Analyserer hvordan sædcellene svømmer 

– I laboratoriene i dag ser man på om sædcellene svømmer fort eller ligger på stedet hvil i mikroskopet. Ved hjelp av maskinlæring kan vi for eksempel se nærmere på hvordan sædcellene beveger seg. Vi kan kartlegge bevegelsesmønsteret på en helt annen måte enn ved tradisjonell mikroskopering, forklarer seniorforsker Michael A. Riegler (simulamet.no) ved SimulaMet. 

Slik håper man å komme nærmere svaret på hvilke kjennetegn den «perfekte» sædcellen har, og dermed bedre å kunne forutsi hvilke av sædcellene som vil kunne befrukte egget. 

– Fordelen med å bruke kunstig intelligens er at vi både kan automatisere utvelgelsen av sædceller for å spare tid, samtidig som vi også kan få ny kunnskap – se nye sammenhenger og mønstre som vi ikke kjente til fra før, utdyper Riegler. 

Forutser sædcellenes bevegelser i sanntid 

Forskerne er i gang med første del av prosjektet, og har allerede nådd noen lovende milepæler.  

– Vi er godt i gang med utvikling av metoder for å kunne forutsi sædkvalitet, sier Riegler.  

Forskerne analyserer videoer av sædprøver og utvikler algoritmer for å forbedre og effektivisere sædanalyser. Sædanalyse er ofte det første trinnet i en utredning av ufrivillig barnløse par, og metodene har ikke endret seg i særlig grad siden 1950-tallet. 

– Det har overrasket meg at vi allerede har klart å forutse sædcellenes bevegelser i sanntid ved hjelp av maskinlæring. Dette tyder på at metoden kan fungere, sier Haugen.  

Videre i prosjektet 

Rett over nyttår begynner forskerne å jobbe med selve utvelgelsen av sædcellene til assistert befruktning. Målet er at de som jobber med assistert befruktning skal kunne bruke forskernes metoder i sanntid for å velge ut den sædcellen som har størst sannsynlighet for å befrukte egget. 

Prosjektgruppen er også i gang med å utvikle metoder for det neste steget i prosessen, nemlig analyse av hvordan embryo utvikler seg de første dagene etter befruktning, før det settes inn i kvinnens livmor. 

– Da kan vi forhåpentligvis finne enda bedre metoder for å velge ut de beste embryoene, og dermed få flere friske, levendefødte barn i Norge, avslutter Haugen.  

Mer om prosjektet

Prosjektet "Artificial intelligence - a novel tool in assisted reproduction technology" er finansiert av Norges forskningsråd ved fri prosjektstøtte (FRIPRO). Prosjektet består av forskere fra Institutt for naturvitenskapelige helsefag og Institutt for informasjonsteknologi ved OsloMet, forskningssenteret SimulaMet og Fertilitetssenteret.

I prosjektet brukes kunstig intelligens for å forbedre utvelgelsen av embryo og spermier til bruk ved behandling med assistert befruktning. Forskerne i prosjektet skal blant annet utvikle maskinlæringsmetoder for å velge ut sædceller og embryo, det vil si fosteret i et tidlig stadium av svangerskapet.

Forskerne skal også gjennomføre en randomisert studie der kunstig intelligens-metodene de har utviklet skal benyttes i tillegg til standard behandling.

Kontakt

Laster inn ...

Prosjektdeltakere

Trine B. Haugen (leder), Jorunn M. Andersen, Erwan Delbarre, Eldri U. Due, Mario Iliceto, Radhika Kakulavarapu, Lisbeth Charlotte Olsen og Oliwia Witczak ved Institutt for naturvitenskapelige helsefag, OsloMet.
Hugo L. Hammer, Akriti Sharma og Anis Yazidi ved Institutt for informasjonsteknologi, OsloMet.
Michael A. Riegler og Steven A. Hicks ved SimulaMet.
Mette H. Stensen, Anne Hancke-Framstad, Nicolai Holst, Anniken S. Nøkleby ved Fertilitetssenteret.

Ansikt av et nyfødt barn delvis dekket av dyne
Hvilken fødsel foretrekker norske kvinner?

OsloMet-forsker Lena Henriksen har flere råd til gravide som har fødselsangst og ønsker seg keisersnitt.

Mann og dame sitter i en sofa med et barn på fanget og en som står på fanget til mannen
Norge må tilpasse seg lavere fødselstall

All statistikk tyder på at statsministerens bønn om flere barn ikke vil føre frem.

Kvinne i en sykehusseng med et nyfødt barn på magen
– Fødende kvinner blir overbehandlet i dag

Ny studie gir innsikt i hva som kan være viktig for å få ned antall unødvendige keisersnitt.

Forskningsartikkel av:
Fakultet for helsevitenskap (HV)
Publisert: 25.09.2019
Sist oppdatert: 27.10.2022
Tekst: Heidi Ertzeid
Foto: Shutterstock / Scanpix og Sonja Balci / OsloMet