ΤΟ ΑΙ ΒΡΙΣΚΕΙ ΣΠΕΡΜΑ ΣΕ ΑΝΤΡΕΣ ΠΟΥ ΕΧΟΥΝ ΧΑΡΑΚΤΗΡΙΣΤΕΙ ΣΤΕΙΡΟΙ
Μια νέα τεχνολογία με τη χρήση του ΑΙ εντοπίζει σπερματικά κύτταρα σε άντρες που είχαν χαρακτηριστεί στείροι δίνοντας ελπίδες σε ζευγάρια που προσπαθούν να γίνουν γονείς.
Το σύνδρομο Klinefelter είναι μια γενετική διαταραχή που επηρεάζει τους άντρες, προκαλώντας τους στειρότητα ή μειωμένη παραγωγή σπέρματος. Είναι μόνο μία αιτία αζωοσπερμίας (απουσίας σπερματοζωαρίων), όμως συγκαταλέγεται στις συχνότερες και, μέχρι πρότινος, η διάγνωση άφηνε ελάχιστες ελπίδες σε έναν άντρα ότι θα μπορούσε κάποτε να αποκτήσει βιολογικό παιδί.
Κι όμως, μια νέα τεχνική με το όνομα STAR (Sperm Track and Recovery) system που αναπτύχθηκε στο Πανεπιστήμιο Columbia για να εντοπίζει σπέρμα σε άντρες με αζωοσπερμία έδωσε πρόσφατα την ευκαιρία σε έναν νέο άντρα να γίνει πατέρας.
Με τη χρήση τεχνητής νοημοσύνης, έχει την ιδιότητα να αναγνωρίζει και να εντοπίζει τα ελάχιστα «κρυμμένα» σπερματοζωάρια που μπορεί να έχει ένας άντρας. Το μωρό του συγκεκριμένου, που θα έρθει τις επόμενες εβδομάδες στον κόσμο, θα είναι το πρώτο που θα γεννηθεί με τη χρήση της, έπειτα από πέντε χρόνια έρευνας και δοκιμών. Και, όπως εύχεται η ομάδα του Κέντρου Γονιμότητας του Πανεπιστημίου, δεν θα είναι το τελευταίο.
Ο επικεφαλής της ομάδας και διευθυντής του Κέντρου, Zev Williams, λέει πως από τους 175 άντρες που συμμετείχαν στο πρόγραμμα STAR και είχαν στα παρελθόν χαρακτηριστεί στείροι εντοπίστηκαν σπερματοζωάρια σε ποσοστό 30%. Πρόκειται για άντρες στους οποίους όλοι οι ειδικοί είχαν πει ότι δεν θα μπορέσουν ποτέ να αποκτήσουν δικό τους παιδί. Το δεδομένο αυτό, όμως, ανατράπηκε.
Πώς λειτουργεί το STAR system για τον εντοπισμό σπέρματος;
Συνήθως, ένα δείγμα σπέρματος περιέχει δεκάδες εκατομμύρια σπερματοζωάρια ανά χιλιοστόλιτρο. Για να εκτιμηθεί ο αριθμός των σπερματοζωαρίων, καθώς και για να διαπιστωθεί αν είναι υγιή και παρουσιάζουν κινητικότητα, εξετάζεται στο μικροσκόπιο μια ελάχιστη σταγόνα του δείγματος. Ωστόσο, στα δείγματα αζωοσπερμίας, ενδέχεται να υπάρχει συνολικά μόνο ένα σπερματοζωάριο – αν και σε ορισμένες περιπτώσεις δεν υπάρχει κανένα. Και βέβαια η εξέταση του δείγματος σταγόνα-σταγόνα είναι πρακτικά ανέφικτη.
Όταν όμως το 2020 ο Williams διάβασε πως το AI χρησιμοποιείται για να εντοπίζει νέους αστερισμούς, αυτόματα έφερε στο μυαλό του την αναλογία: γιατί όχι και νέα σπερματοζωάρια;
Η ομάδα του έτσι κι αλλιώς χρησιμοποιούσε ήδη μια τεχνολογία απεικόνισης υψηλής ισχύος, η οποία μπορούσε να αξιοποιηθεί για τη σάρωση του δείγματος. Η πρόκληση ήταν να αναλυθούν εκατοντάδες εικόνες ανά δευτερόλεπτο σε πραγματικό χρόνο, ώστε να εντοπιστούν και να απομονωθούν τυχόν σπερματοζωάρια που περιέχονταν στο δείγμα.
Τι έκανε, λοιπόν, με την ομάδα του; Χρησιμοποίησαν μικρορευστονικά τσιπ (microfluidic chips), δηλαδή μικροσκοπικές διατάξεις από γυαλί ή πολυμερές, που διαθέτουν ένα δίκτυο εξαιρετικά λεπτών καναλιών, με πλάτος συγκρίσιμο με εκείνο μιας ανθρώπινης τρίχας. Το δείγμα σπέρματος ρέει μέσα από αυτά και μπορεί να σαρωθεί από το σύστημα απεικόνισης. Ένας αλγόριθμος μηχανικής μάθησης εντοπίζει τότε τυχόν σπερματοζωάρια στις εικόνες σε πραγματικό χρόνο, επιτρέποντας την απομόνωσή τους με τη μέγιστη δυνατή προσοχή, ώστε να διασφαλιστεί ότι δεν θα καταστραφούν.
«Καθώς το δείγμα ρέει, το απεικονίζουμε με ρυθμό 300 εικόνων ανά δευτερόλεπτο», λέει ο Williams μιλώντας στο BBC. «Το μεγαλύτερο μέρος αυτού που βλέπουμε είναι απλώς υπολείμματα και θραύσματα. Δεν πρόκειται για ένα καθαρό υγρό. Προσπαθείς, λοιπόν, να εντοπίσεις εκείνο το εξαιρετικά σπάνιο σπερματοζωάριο μέσα σε έναν ωκεανό από άλλα υπολείμματα και κυτταρικά θραύσματα».
Μόλις το σπερματοζωάριο εντοπιστεί, ένα ρομποτικό σύστημα το εξάγει μέσα σε κλάσματα του δευτερολέπτου. «Καταλήγουμε, λοιπόν, με έναν σωλήνα γεμάτο σπερματικό υγρό, αλλά χωρίς σπερματοζωάρια, και μια μικροσκοπική σταγόνα που περιέχει τα σπερματοζωάρια».
Την ίδια ώρα, βέβαια, η σύντροφος υποβάλλεται σε διαδικασία ωοληψίας, προκειμένου η γονιμοποίηση του ωαρίου να γίνει ενώ το σπέρμα είναι φρέσκο, καθώς αυτό αυξάνει τις πιθανότητες επιτυχίας. Εφόσον το ωάριο εξελιχθεί σε πλήρως σχηματισμένη βλαστοκύστη, ένα πιο προχωρημένο στάδιο ανάπτυξης του εμβρύου, τότε ένα μωρό βρίσκεται ήδη στον δρόμο του.
Αξίζει να σημειωθεί πως η τεχνητή νοημοσύνη δεν αξιοποιείται μόνο για την αναζήτηση σπάνιων σπερματοζωαρίων, αλλά και για τη βελτίωση των αποτελεσμάτων σε διάφορες θεραπείες γονιμότητας. Στη διαδικασία διέγερσης των ωοθηκών, για παράδειγμα, μια βασική φάση της εξωσωματικής γονιμοποίησης που βοηθά τις ωοθήκες να παράγουν πολλαπλά ωάρια, η μηχανική μάθηση επιτρέπει τον υπολογισμό μιας πιο εξατομικευμένης δοσολογίας της ορμόνης γοναδοτροπίνης. Παράλληλα, εργαλεία βαθιάς μάθησης συμβάλλουν στην ακριβέστερη επιλογή βιώσιμων γαμετών και εμβρύων.
Για την αξιολόγηση των μακροπρόθεσμων αποτελεσμάτων, οι ειδικοί συμφωνούν ότι απαιτούνται περισσότερες κλινικές δοκιμές μεγάλης κλίμακας, καθώς και σαφήνεια σχετικά με τη διαχείριση ευαίσθητων ιατρικών δεδομένων, το απόρρητο και τα ζητήματα ευθύνης και ιδιοκτησίας. Την ίδια ώρα, καλούν για μεγάλη προσοχή στις υπερβολικές υποσχέσεις των κέντρων γονιμοποίησης που μπορεί να οδηγήσουν σε απόγνωση τα ζευγάρια με προβλήματα γονιμότητας.
Μια επιτυχημένη εγκυμοσύνη αποτελεί οπωσδήποτε μια σημαντική αρχή, ωστόσο απαιτείται περαιτέρω έρευνα σε μεγαλύτερο αριθμό ασθενών προκειμένου να αξιολογηθεί σωστά η νέα αυτή θεραπεία.