Gerçek zamanlı ovulasyon tahmini makine öğrenimi modeli kullanarak doğal dondurulmuş embriyo transferi döngüleri için tedavi yönetim algoritması

Kısırlık tedavisinde zamanlamanın önemi

Tüp bebek (in vitro fertilizasyon) uygulayan kişilerde, embriyonun rahme geri yerleştirildiği an başarısız deneme ile sağlıklı bir gebelik arasındaki farkı belirleyebilir. Doğal dondurulmuş embriyo transferi döngülerinde hekimler embriyo transferini kadının kendi ovulasyonuna uyarlamaya çalışır, ancak o kesin günü bulmak genellikle tekrarlanan kan testleri, ultrason ve uzman değerlendirmesi gerektirir. Bu çalışma, ovulasyonu gerçek zamanlı olarak tahmin eden ve ne zaman test yapılması ile ne zaman transferin önerileceğini belirten yeni bir yapay zeka (YZ) aracı tanıtıyor; amaç tedaviyi hem daha doğru hem de daha az yükleyici hale getirmek.

Doğal döngüler için yeni bir dijital yardımcı

Araştırmacılar, doğal döngü dondurulmuş embriyo transferi (NC-FET) için bir “tedavi yönetim algoritması” geliştirmeyi amaçladılar. Bu döngülerde, önceden dondurulmuş embriyolar adet döngüsünü yapay hormonlarla kontrol etmeden rahme geri transfer edilir. NC-FET, gebelik kaybı oranları ve gebelikte yüksek tansiyon gibi komplikasyonların daha düşük olmasıyla ilişkilendirildiği için giderek popülerleşiyor. Ancak doğru ovulasyon tespiti için vücudun kendi sinyallerinin dikkatle izlenmesini gerektirir; bu da geleneksel olarak sık klinik ziyaretleri, kan alımlarını ve ultrason taramalarını gerektirmiştir.

YZ’ye vücudun sinyallerini okumayı öğretmek

Algoritmalarını oluşturmak için ekip bir “öğretmen-öğrenci” yaklaşımı kullandı. Öncelikle, daha önce ovulasyon zamanlaması üç üreme uzmanı tarafından hormon düzeyleri ve ultrason görüntülerine dayanarak belirlenmiş yüzlerce döngü üzerinde eğitilmiş bir önceki model—“öğretmen”—vardı. Bu öğretmen modeli yüksek doğruluk gösterdikten sonra neredeyse 4.000 ek doğal dondurulmuş transfer döngüsünde ovulasyon günlerini atamak için kullanıldı. Yeni “öğrenci” model bu çok daha büyük ve etiketlenmiş veri setinden öğrendi. Her döngüde bir veya iki izleme gününe bakıyor ve luteinizan hormon (LH), östrojen, progesteron, östrojen/progesteron oranı, folikül büyüklüğü ve rahim içi tabakanın kalınlığı gibi bilgileri birleştiriyor. Bu girdilere dayanarak ovulasyona kaç gün kaldığını veya üzerinden kaç gün geçtiğini tahmin ediyor.

Tahminden tüm döngü yönetimine

Bu makaledeki yenilik yalnızca ovulasyonu tahmin etmek değil, bu tahmini bütün tedaviyi yönetmek için kullanmaktır. Doğal FET Tedavi Yönetim Algoritması (NTMA), tipik olarak döngünün 8. günü civarında hastanın ilk ne zaman test edilmesi gerektiğini önermeyle başlar. Her testten sonra, modelin çıktısını kullanarak başka bir testin gerekip gerekmediğine, bu testin ne zaman yapılması gerektiğine ya da ovulasyon zamanlamasının embriyo transferini planlamak için yeterince net olup olmadığına karar verir. Model, ovulasyonun zaten geçmişte iki günden fazla olduğunu ve kesin tarihlendirilemediğini sonucuna varırsa, embriyoyu boşa harcamadan önce döngü güvenle iptal edilebilir. Bu adım adım mantık, gerçek dünyadaki ovulasyon desenlerini, modelin farklı zaman noktalarındaki doğruluğunu ve algoritmanın karar kurallarını birleştiren istatistiksel bir simülasyon kullanılarak değerlendirildi.

Sistemin performansı nasıl

Test edildiğinde, gerçek zamanlı model özellikle ovulasyondan uzak olduğunda (döngünün erken döneminde, ovulasyonun yakın olmadığını güvenle söyleyebildiği zamanlar) ve ovulasyona çok yakın olduğunda (ovulasyondan bir önceki gün ve ovulasyon günü, hormon değişikliklerinin en güçlü olduğu zamanlar) yüksek doğruluk gösterdi. Ovulasyonun ultrason ile ayrıntılı olarak kanıtlandığı döngüler grubunda model, ovulasyondan bir önceki günü ve ovulasyon gününü yaklaşık %95 oranında doğru belirledi. NTMA tam olarak simülasyon yoluyla değerlendirildiğinde, döngülerin biraz üzerinde %92 oranında doğru ovulasyon gününü belirledi, yaklaşık %1 döngüde tahminde bulunamadı ve yaklaşık %7 oranında yanlış yaptı. Ortalama olarak, kadınların döngü başına yalnızca yaklaşık 3.1 izleme ziyareti gerekli olacaktı; bu, tarihsel verilere göre daha az izleme yükü ve doğruluktan ödün vermeden daha az klinik ziyaret anlamına geliyor.

Bu hastalar için ne anlama gelebilir

Günlük hastalar ve klinisyenler için bu çalışma, bir YZ asistanının doğal dondurulmuş embriyo transferi döngülerinde günlük karar verme işinin büyük bir kısmını güvenli biçimde üstlenebileceğini öne sürüyor. Hormon testleri ve ultrason bulgularındaki karmaşık desenleri sindirerek algoritma ne zaman test için gelinmesi ve ne zaman transfer planlanması gerektiğini önerebilir; doğruluğu uzman odaklı yaklaşımlarla karşılaştırılabilir seviyede ve daha az klinik ziyaretle. Çalışma retrospektif olup henüz canlı doğum oranlarını artırdığını kanıtlamıyor; bu nedenle prospektif çalışmalar hala gerekli. Yine de, bu YZ destekli yönetim sistemi, kısırlık bakımının daha kişiselleştirilmiş, daha verimli ve potansiyel olarak daha başarılı olduğu—embriyoların vücudun kendi ritmine tam olarak uygun bir anda transfer edilmesine yardımcı olan—bir geleceğe işaret ediyor.

Atıf: 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

Anahtar kelimeler: kısırlık, yapay zeka, ovulasyon, dondurulmuş embriyo transferi, üreme sağlığı