چکیده مقاله
ناباروری یکی از مهمترین چالش های سلامت جهانی است که بر حدود ۱۵ درصد از زوج های در سن باروری تاثیر می گذارد با وجود پیشرفت چشمگیر فناوری های کمک باروری ART میزان موفقیت لقاح آزمایشگاهی IVF در هر چرخه هنوز کمتر از ۳۰ درصد گزارش می شود دلیل اصلی این نرخ پایین دشواری در شناسایی جنین هایی است که بیشترین پتانسیل برای لانه گزینی موفق دارند در سال های اخیر هوش مصنوعی AI به عنوان ابزاری تحول آفرین در تحلیل داده های پیچیده زیستی و پزشکی مطرح شده است در این مرور نظام مند بیست مطالعه کلیدی بین سال های ۲۰۱۹ تا ۲۰۲۴ مورد بررسی و مقایسه قرار گرفته اند یافته ها نشان می دهد که مدل های یادگیری عمیق Deep Learning و شبکه های عصبی کانولوشنی CNN با تحلیل تصاویر تایم لپس و داده های چندوجهی توانسته اند دقت پیش بینی تولد زنده را تا بیش از ۹۱ افزایش دهند علاوه بر این پژوهش های جدید در حوزه غربالگری ژنتیکی غیر تهاجمی niPGT و غربالگری چندژنی PGT P چشم انداز تازه ای برای تشخیص زودهنگام ناهنجاری ها و کاهش خطر بیماری های ارثی فراهم کرده اند در همین راستا استفاده از هوش مصنوعی تفسیرپذیر Explainable AI A در ارزیابی جنین که نخستین بار در مطالعه Huang و همکاران ۲۰۲ مطرح شده، مسیر تازه ای برای ترکیب دقت الگوریتمی با شفافیت بالینی گشوده است باوجود این چالش هایی چون کمبود داده های متوازن، سوگیری جمعیتی و مسائل اخلاقی همچنان پابرجاست هدف این مقاله، تبیین نقش هوش مصنوعی در تشخیص و انتخاب جنین سالم، مرور روش های ارزیابی موجود و تحلیل چالش های علمی و اخلاقی پیش رو است
کلیدواژهها
نویسندگان
شیوه ارجاع
�اه حسینی، فاطمه و سالاری، سیدامیررضا و قدیرزاده، مائده و اسماعیلی پور، مطهره و امینی، محمد،1404،هوش مصنوعی در غربالگری و انتخاب جنین تحولی در درمان ناباروری،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد
ارائهشده در
مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد