אלגוריתם לניהול טיפול במחזורי העברת עוברים קפואים טבעיים באמצעות מודל חיזוי ביוץ בזמן אמת המבוסס על למידת מכונה

מדוע התזמון חשוב בטיפולי פוריות

לאנשים העוברים הפריה חוץ-גופית, הרגע שבו מוחזר העובר לרחם יכול להכריע בין ניסיון כושל להריון בריא. במחזורי העברה של עוברים קפואים טבעיים, הרופאים שואפים להתאים את ההעברה ליום הביוץ הטבעי של האישה, אך זיהוי אותו יום מדויק בדרך כלל דורש בדיקות דם חוזרות, אולטרסאונד ושיפוט מקצועי. במחקר זה מוצג כלי בינה מלאכותית חדש שחוזה ביוץ בזמן אמת ומציע מתי לבצע בדיקות ומתי לבצע את ההעברה, בניסיון להפוך את הטיפול ליותר מדויק ופחות מעיק.

עוזר דיגיטלי חדש למחזורים טבעיים

החוקרים הקימו אלגוריתם ניהול-טיפול למחזורי העברת עוברים קפואים טבעיים (NC-FET). במחזורים אלה מועברים עוברים שהוקפאו קודם חזרה לרחם ללא שימוש בהורמונים לשליטה מלאכותית על המחזור החודשי. NC-FET צובר פופולריות כיוון שהוא קשור לשיעורי הפסד הריון נמוכים יותר ופחות סיבוכים כמו יתר לחץ דם בהריון. עם זאת, הוא מחייב מעקב קפדני אחר האותות הטבעיים של הגוף כדי לזהות נכון את הביוץ, מה שלרוב דורש ביקורים תכופים במרפאה, בדיקות דם וסריקות אולטרסאונד.

לימוד בינה מלאכותית לקרוא את אותות הגוף

כדי ליצור את האלגוריתם הם השתמשו בגישת "מורה-תלמיד". קודם כל, מודל מוקדם—"המורה"—אומן על מאות מחזורים שבהםמועד הביוץ נקבע על ידי שלושה מומחי פוריות בהתבסס על רמות הורמונים ותמונות אולטרסאונד. אותו מודל מורה היה מדויק מאוד ושימש לאחר מכן לסימון ימי ביוץ בכמעט 4,000 מחזורים נוספים של העברות קפואות טבעיות. המודל החדש, ה"תלמיד", למד ממאגר הנתונים המסומן והנרחב הזה. הוא בוחן יום או שני ימי ניטור per cycle, ומשלב מידע כגון הורמון לוטאיניזציה (LH), אסטרוגן, פרוגסטרון, היחס בין אסטרוגן לפרוגסטרון, גודל הזקיק ועובי רירית הרחם. על בסיס קלטים אלה הוא חוזה כמה ימים נותרו עד הביוץ או כמה ימים עברו מאז הביוץ.

מהחיזוי לניהול המחזור המלא

החידוש במאמר זה אינו רק חיזוי הביוץ, אלא שימוש בחיזוי הזה לניהול כל הטיפול. אלגוריתם ניהול הטיפול להעמסה טבעית (NTMA) מתחיל בהמלצה מתי יש לבצע בדיקה ראשונה, בדרך כלל סביב יום 8 של המחזור. לאחר כל בדיקה הוא משתמש בתוצאת המודל כדי להחליט האם נדרשת בדיקה נוספת, מתי יש לבצע אותה, או האם מועד הביוץ כבר ברור מספיק כדי לתזמן את העברת העובר. אם המודל קובע שהביוץ עבר לפני יותר משני ימים ולא ניתן לתזמן אותו בדיוק, ניתן לבטל את המחזור בבטחה לפני בזבוז של עובר. הלוגיקה הצעד-אחר-צעד הזו נבחנת באמצעות סימולציה סטטיסטית שמשלבת דפוסי ביוץ מהעולם האמיתי, את דיוק המודל בנקודות זמן שונות וכללי ההחלטה של האלגוריתם.

עד כמה המערכת עובדת היטב

במבחנים, המודל בזמן אמת הפגין דיוק גבוה במיוחד הן מרחוק מהביוץ (בהתחלת המחזור, כאשר הוא יכול לקבוע בביטחון שהביוץ לא קרוב) והן מאוד קרוב אליו (ביום שלפני וביום הביוץ), שם שינויים הורמונליים חזקים יותר. בקבוצה של מחזורים עם הוכחה אולטרסוניות מפורטת של הביוץ, המודל זיהה נכון את היום שלפני ואת יום הביוץ בכ־95% מהמקרים. כאשר ה NTMA המלא הוערך באמצעות סימולציה, הוא זיהה במדויק את יום הביוץ בכ־92% מהמחזורים, נכשל בהפקת תחזית בכ־1% מהמחזורים, וטעה בכ־7% מהמחזורים. בממוצע, נשים יזדקקו לכ־3.1 ביקורי ניטור לכל מחזור בלבד, פחות מאשר בנתונים ההיסטוריים, מה שמרמז על עומס ניטור נמוך יותר ללא פגיעה בדיוק.

מה זה יכול להצביע עבור המטופלות

למטופלות ולמטפלים היומיומיים, עבודה זו מצביעה על כך שעוזרת בינה מלאכותית יכולה לקחת על עצמה בבטחה חלק גדול מההחלטות היומיומיות במחזורים טבעיים של העברת עוברים קפואים. על ידי עיכול דפוסים מורכבים בבדיקות הורמונים וממצאי אולטרסאונד, האלגוריתם יכול להמליץ מתי להגיע לבדיקות ומתי לתזמן העברה, בדיוק המקביל לגישות מונחות מומחים ועם פחות ביקורי מרפאה. המחקר הוא רטרוספקטיבי ואינו מוכיח עדיין שיעורי לידה חיים גבוהים יותר, ולכן יש צורך בניסויים פרוספקטיביים. עם זאת, מערכת ניהול מונעת AI זו מצביעה על עתיד שבו טיפול פוריות יהיה יותר מותאם אישית, יעיל יותר ואולי מוצלח יותר—עוזר להעביר עוברים בדיוק ברגע הנכון בתוך המקצב הטבעי של הגוף.

ציטוט: 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

מילות מפתח: פוריות, בינה מלאכותית, ביוץ, העברת עוברים קפואים, בריאות הרבייה