خوارزمية إدارة العلاج لدورات نقل الأجنة المجمدة الطبيعية باستخدام نموذج تعلم آلي للتنبؤ بالإباضة في الزمن الحقيقي

لماذا التوقيت مهم في علاج الخصوبة

بالنسبة للأشخاص الخاضعين لعمليات التلقيح الاصطناعي، قد يكون للحظة إعادة الجنين إلى الرحم أثر الفارق بين فشل المحاولة وحدوث حمل صحي. في دورات نقل الأجنة المجمدة الطبيعية، يحاول الأطباء مزامنة النقل مع إباضة المرأة الذاتية، لكن العثور على ذلك اليوم الدقيق عادة ما يتطلب اختبارات دم متكررة، وموجات فوق صوتية، وحكم خبراء. تقدم هذه الدراسة أداة جديدة بالذكاء الاصطناعي تتنبأ بالإباضة في الزمن الحقيقي وتقترح متى يجب الاختبار ومتى ينبغي النقل، بهدف جعل العلاج أكثر دقة وأقل عبئًا.

مساعد رقمي جديد للدورات الطبيعية

سعى الباحثون لبناء «خوارزمية إدارة العلاج» لدورات نقل الأجنة المجمدة الطبيعية (NC-FET). في هذه الدورات، تُعاد الأجنة المجمدة سابقًا إلى الرحم دون استخدام هرمونات للسيطرة الاصطناعية على دورة الحيض. تزداد شعبية NC-FET لأنها مرتبطة بمعدلات أقل لفقدان الحمل ومضاعفات أقل مثل ارتفاع ضغط الدم في الحمل. ومع ذلك، تتطلب هذه الدورات تتبّعًا دقيقًا لإشارات الجسم الذاتية لتحديد الإباضة بشكل صحيح، وهو ما كان يعني تقليديًا زيارات متكررة للعيادة وسحب عينات دم وفحوصات بالموجات فوق الصوتية.

تعليم الذكاء الاصطناعي قراءة إشارات الجسم

لإنشاء خوارزميتهم، استخدم الفريق نهج «المعلم-الطالب». أولًا، تم تدريب نموذج سابق — «المعلم» — على مئات الدورات حيث حدّد موعد الإباضة ثلاثة أخصائيين في الخصوبة باستخدام مستويات الهرمونات وصور الموجات فوق الصوتية. كان ذلك النموذج دقيقًا للغاية ثم استُخدم لتعيين أيام الإباضة في ما يقرب من 4000 دورة نقل مجمدة طبيعية إضافية. تعلّم النموذج الجديد — «الطالب» — من مجموعة البيانات الموسومة الأكبر هذه. ينظر النموذج إلى يوم أو يومين من المتابعة لكل دورة، ويجمع معلومات مثل هرمون اللوتين (LH)، والاستروجين، والبروجسترون، ونسبة الاستروجين إلى البروجسترون، وحجم الجريب، وسماكة بطانة الرحم. استنادًا إلى هذه المدخلات، يتنبأ بعدد الأيام المتبقية حتى الإباضة أو التي مرت منذ حدوثها.

من التنبؤ إلى إدارة الدورة الكاملة

الابتكار في هذه الورقة لا يقتصر على التنبؤ بالإباضة فحسب، بل على استخدام ذلك التنبؤ لإدارة العلاج بأكمله. تبدأ خوارزمية إدارة علاج النقل الطبيعي للأجنة المجمدة (NTMA) بتوصية متى يجب على المريضة أن تجري الاختبار الأول عادة حول اليوم الثامن من الدورة. بعد كل اختبار، تستخدم الخوارزمية مخرجات النموذج لتقرير ما إذا كانت هناك حاجة لاختبار آخر، ومتى يجب إجراؤه، أو ما إذا كان توقيت الإباضة واضحًا بما يكفي لجدولة نقل الجنين. إذا خلُص النموذج إلى أن الإباضة قد مضى عليها أكثر من يومين ولا يمكن تأريخها بدقة، فيمكن إلغاء الدورة بأمان قبل إهدار جنين. تُقيَّم هذه المنطقية خطوة بخطوة عبر محاكاة إحصائية تجمع أنماط الإباضة الحقيقية، ودقة النموذج في نقاط زمنية مختلفة، وقواعد القرار الخوارزمية.

مدى فعالية النظام

عند الاختبار، تبين أن النموذج في الزمن الحقيقي دقيق بشكل خاص سواء في المراحل البعيدة عن الإباضة (مبكرًا في الدورة، حيث يمكنه التأكيد بثقة أن الإباضة ليست قريبة) أو عند الاقتراب الشديد منها (اليوم السابق ويوم الإباضة)، حيث تكون تغيرات الهرمونات أقوى. في مجموعة من الدورات التي لديها دليل مفصّل بالموجات فوق الصوتية على الإباضة، حدد النموذج بشكل صحيح اليوم السابق ويوم الإباضة في نحو 95% من الحالات. عندما قُيِّمت NTMA الكاملة عبر المحاكاة، نجحت في تحديد يوم الإباضة الصحيح في ما يزيد قليلاً عن 92% من الدورات، وفشلت في إصدار تنبؤ في نحو 1% من الدورات، وكانت خاطئة في نحو 7%. في المتوسط، ستحتاج النساء فقط نحو 3.1 زيارات متابعة لكل دورة، أقل مما كانت عليه البيانات التاريخية، مما يشير إلى عبء متابعة أقل دون التضحية بالدقة.

ماذا قد يعني هذا للمرضى

بالنسبة للمرضى والممارسين يوميًا، تشير هذه الدراسة إلى أن مساعدًا بالذكاء الاصطناعي يمكنه تولي جزء كبير من اتخاذ القرارات اليومية في دورات نقل الأجنة المجمدة الطبيعية بأمان. من خلال تحليل أنماط معقدة في اختبارات الهرمونات ونتائج الموجات فوق الصوتية، يمكن للخوارزمية أن توصي متى يجب الحضور للاختبار ومتى تُجدول عملية النقل، بدقة تقارن بالنهج الذي يقوده الخبراء ومع زيارات أقل للعيادة. الدراسة استعادية ولا تثبت بعد زيادة في معدلات الولادة الحية، لذا لا تزال هناك حاجة لتجارب مستقبلية. مع ذلك، تشير هذه المنظومة المدفوعة بالذكاء الاصطناعي إلى مستقبل قد تكون فيه رعاية الخصوبة أكثر تخصيصًا وكفاءة وربما نجاحًا أكبر — مما يساعد على نقل الأجنة في اللحظة المناسبة المتوافقة مع إيقاع الجسم الطبيعي.

الاستشهاد: Moran, E., Hourvitz, A., Luz, A. et al. Treatment management algorithm for natural frozen embryo transfer cycles using a real-time ovulation prediction machine learning model. Sci Rep 16, 13727 (2026). https://doi.org/10.1038/s41598-026-42921-1

الكلمات المفتاحية: الخصوبة, الذكاء الاصطناعي, الإباضة, نقل الأجنة المجمدة, الصحة الإنجابية