L’IA entre dans les cliniques pour vous révéler son réel potentiel
Pendant des années, congeler des œufs signifiait aussi congeler un inconnu. Les femmes qui ont opté pour la vitrification comme stratégie pour préserver leur fertilité savaient combien d’ovocytes elles stockaient, mais pas quel était leur potentiel réel. L'estimation dépendait presque exclusivement des statistiques sur l'âge et la population. Il n'y avait pas grand chose d'autre.
Cela commence à changer. L’intelligence artificielle a commencé à être utilisée en médecine de la reproduction non seulement pour optimiser les processus techniques, mais aussi pour offrir aux patientes des informations prédictives plus précises sur leurs chances réelles de devenir mères à l’avenir à partir de leurs propres ovules vitrifiés.
De l'intuition visuelle à la précision algorithmique. Avant l’introduction de l’IA, la qualité d’un ovocyte pouvait difficilement être évaluée objectivement. Selon le Dr Marcos Meseguer, directeur mondial de la recherche sur l'embryologie, dans une interview pour , l'évaluation dépendait de critères morphologiques généraux et de l'impression subjective de l'embryologiste, souvent basée sur le fait que l'œuf « était joli ou laid ».
Il n’existait pas de normes quantitatives solides ni de modèles capables d’estimer la compétence biologique de l’ovocyte. La prédiction était extrêmement limitée, presque équivalente au hasard. Le saut technologique n’a pas été progressif, mais qualitatif. «Nous sommes passés de pratiquement aucun outil de pronostic à des modèles dotés d'une réelle capacité de prédiction», détaille Meseguer. Aujourd’hui, les algorithmes introduisent une couche d’analyse quantitative qui transforme ce scénario.
Plus en profondeur. Le changement n'est pas mineur. Comme nous l'explique Meseguer, l'IA nous permet d'analyser des milliers d'images d'ovocytes dont les résultats cliniques ultérieurs sont connus (s'ils ont formé un embryon, s'ils ont atteint un blastocyste) et d'apprendre des schémas associés au succès de la reproduction. L'algorithme évalue toujours les mêmes paramètres de manière standardisée. Cette systématisation élimine la variabilité entre les observateurs et convertit une évaluation subjective en une évaluation objective et reproductible. En d’autres termes, pour la première fois, une estimation probabiliste peut être proposée sur la base de données et pas seulement de statistiques générales par âge.
Ce n'est pas magique : mesurez mieux, ne voyez pas plus. Il est important de clarifier ce que fait exactement l’IA et ce qu’elle ne fait pas. L’algorithme ne détecte pas les anomalies génétiques cachées et ne remplace pas les tests tels que le diagnostic génétique préimplantatoire. Comme le précise le spécialiste, l’analyse génétique n’est pas réalisée sur l’ovocyte, mais sur l’embryon après fécondation.
L’IA appliquée à l’ovocyte analyse les mêmes images que celles vues par l’embryologiste, mais de manière quantitative. Il mesure avec précision des paramètres tels que le diamètre de l’ovocyte, l’épaisseur de la zone pellucide ou encore certaines caractéristiques du cytoplasme. « La différence n'est pas de voir plus, mais de mesurer mieux et de manière standardisée », explique Marcos Meseguer. De plus, l’ovocyte n’est pas évalué de manière dynamique, comme c’est le cas pour l’embryon, mais plutôt de manière statique. Il ne s’agit pas de choisir un « candidat idéal » – tous les ovocytes matures sont utilisés en procréation assistée – mais plutôt de stratifier leur potentiel biologique et de proposer des estimations probabilistes de compétence.
Plus d'informations, mais aucune garantie. Cette avancée n’implique pas que les laboratoires « sélectionnent » uniquement les meilleurs ovocytes. Tous les ovocytes matures (métaphase II) continuent d'être utilisés. La différence réside dans la stratification de leur potentiel biologique. Dans le domaine de la préservation de la fertilité – chez les femmes qui vitrifient leurs ovules pour les utiliser des années plus tard – cette information devient particulièrement pertinente. Au lieu de baser les attentes uniquement sur l’âge, des données personnalisées dérivées de l’analyse algorithmique peuvent être intégrées.
Cependant, la prudence est de mise. L’âge reste le facteur pronostique le plus déterminant. L’IA ne modifie pas la biologie et ne compense pas les limitations physiologiques. Il s'agit d'un outil d'accompagnement, pas d'une solution miracle, prévient l'expert. Ce que cela permet, c’est de réduire l’incertitude. Et dans un domaine marqué par le stress émotionnel et la prise de décision complexe, disposer d’informations quantifiées et objectives peut changer la conversation clinique.
Une tendance mondiale vers l’automatisation. L’intégration de l’intelligence artificielle fait partie d’une transformation plus large des laboratoires de fertilité. Un exemple récent vient d'une étude publiée dans . Les travaux analysent un dispositif microfluidique appelé , capable de récupérer des ovules que la méthode conventionnelle ne détectait pas après aspiration folliculaire.
Au cours de l’étude, l’appareil a analysé le liquide folliculaire déjà examiné manuellement. Chez plus de la moitié des patients, des ovocytes supplémentaires ont été découverts qui allaient être rejetés. La naissance d’une fille a même été documentée à partir de l’un de ces ovocytes récupérés. Bien que cette technologie ne soit pas exactement un système prédictif comme les algorithmes d’analyse d’images, elle illustre une tendance claire : les laboratoires intègrent des outils automatisés qui standardisent les processus et réduisent la dépendance exclusive au jugement humain.
Les experts cités par le journal américain soulignent toutefois que des études plus vastes sont encore nécessaires pour confirmer que ces ovules supplémentaires augmentent systématiquement le taux de natalité vivante.
Le véritable impact : mieux gérer « l’horloge biologique » ? L’enthousiasme technologique a cependant des limites. « L'IA est un outil d'aide au diagnostic et à la décision, pas une solution miracle », précise le spécialiste lors de l'entretien. Elle peut optimiser les décisions et réduire la variabilité, mais elle ne peut pas modifier la qualité intrinsèque des gamètes ni altérer les limitations biologiques. En d’autres termes, cela améliore les informations disponibles, mais ne change pas la biologie.
La prochaine étape. Le développement ne s’arrête pas à l’évaluation des ovules. Selon l’embryologiste, le prochain grand pas sera l’optimisation progressive des protocoles de stimulation ovarienne grâce à des modèles prédictifs intégrant les données cliniques, hormonales et de réponses antérieures. Plus qu’une « personnalisation absolue », ce sera une amélioration continue de la précision. La médecine de la reproduction évolue vers des décisions de plus en plus fondées sur les données.
En termes économiques, l’intégration technologique peut initialement entraîner un coût plus élevé, mais à moyen et long terme, elle pourrait réduire les cycles défaillants et rendre le système plus rentable.
Congeler des œufs sans incertitude de congélation. La vitrification restera un pari avec une marge d'incertitude. Aucun algorithme ne peut promettre une future grossesse. Mais cela peut offrir une estimation plus fine du potentiel biologique de ces œufs congelés.
Pendant des années, la préservation de la fertilité était une décision appuyée par des statistiques générales. Aujourd’hui, elle commence également à s’appuyer sur des modèles prédictifs personnalisés. L’intelligence artificielle n’élimine pas le passage du temps et ne garantit pas la maternité. Mais cela introduit quelque chose de nouveau dans une discipline historiquement marquée par les probabilités : des informations mesurables, standardisées et basées sur des données.
Et dans un domaine où l’incertitude pèse autant que la biologie, disposer d’informations plus précises peut constituer, en soi, un changement profond.
Images | Freepik 1 et 2
Simseo | On ne savait presque rien de la « boîte noire » de la vie, du moment initial de la fécondation : c'est fini
