AI는 고위험 실험실에 진입하고 있습니다
AI는 생식 의학 분야에서 배아 이미지 평가, 난자 등급 판정, 정자 분석, 실험실 참관, 냉동 보관 관리 및 치료 예측을 위해 연구되고 있습니다. 이러한 응용 분야들은 증거와 결과 면에서 차이가 있습니다. 수동 기록을 줄이는 행정 도구가 배아 이식 순위를 매기는 모델과 동등하지 않습니다. 미국 생식 의학회는 IVF 실험실에서의 구현을 초기 단계로 설명하며, 주로 회고적인 데이터 해석 시 주의를 기울일 것을 권고합니다. [1]
배아 선택은 임상적으로 의미 있는 결과가 배아학자 간의 매력적인 점수나 개선된 일치도가 아니기 때문에 특히 민감합니다. 이는 치료 부담, 다태 임신 및 예방 가능한 위해를 최소화하면서 건강한 생존 출산을 의미합니다. 선택에 사용되는 모든 모델은 환자의 연령, 실험실 관행, 이식 전략 및 여러 배아가 적합할 가능성을 포함하여 전체 치료 경로 내에서 평가되어야 합니다.
- 임상 예측을 워크플로우 자동화로부터 분리하십시오.
- 모델이 임상병자의 판단을 지원하거나 대체하는지 정의하십시오.
- 합계 출산 및 안전을 우선시하고, 대체 이미지 점수를 고려하지 마십시오.
타임 랩스 이미징은 입증된 AI 효과와 동일하지 않습니다.
타임랩스 인큐베이터는 배아를 인큐베이터에서 정기적으로 제거하지 않고 반복적으로 사진을 찍습니다. 소프트웨어는 그런 다음 해당 이미지에 형태학적 규칙이나 기계 학습을 적용할 수 있습니다. 2,955 커플을 대상으로 한 아홉 건의 무작위 대조 연구에 대한 코크란 리뷰는 여러 비교 항목에 대해 생존 출산율 또는 지속 임신에 차이가 있는지에 대한 불확실성을 발견했습니다. 한 비교 항목의 경우, 기존의 생존 출산율 또는 지속 임신율 35%은 타임랩스 이미징과 기존 평가를 통해 추정된 27%에서 40% 범위에 해당하며, 이는 낮은 확실성의 증거를 반영합니다. [2]
이러한 발견들이 모든 새로운 알고리즘이 비효율적임을 증명하는 것은 아닙니다. 이것들은 장치 설정, 알고리즘 버전, 그리고 전향적 임상시험 설계가 왜 중요한지를 보여줍니다. 후향적 모델은 과거 데이터에 기록된 착상과 관련된 패턴을 학습할 수는 있지만, 배아를 선택하는 데 사용될 경우 환자 결과를 개선하지 못할 수 있습니다. 실험실 환경의 변화, 영상 시스템의 변화 또는 환자 구성의 변화 또한 전이 가능성을 감소시킬 수 있습니다.
- 평가가 전향적인지, 알고리즘이 치료에 영향을 미치는지 문의하십시오.
- 비교군이 현재의 전문가 임상 임상 관행을 반영하는지 확인하십시오.
- 버전별 성능 및 외부 검증을 요구하십시오.
임상적 검증은 의도된 주장을 따라야 합니다.
시스템이 배반포 발달을 예측한다고 주장하는 경우, 해당 종점은 주장을 테스트할 수 있지만 향상된 생존 출산을 확립할 수는 없습니다. 만약 접합배아의 우염색체성을 우선한다고 주장하는 경우, 검증을 위해서는 적절한 참조와 검사 오류가 처리되는 방법에 대한 설명이 필요합니다. 만약 생존 출산 증가를 주장하는 경우, 전향적 비교 연구를 통해 생존 출산과 관련 위해도를 측정해야 합니다. ASRM은 대규모 무작위 임상시험이 임상 임신에 대한 알고리즘 배아 선별의 비열등성을 표준 형태학에 비해 입증하지 못했으며 더 많은 전향적 증거를 요구한다고 언급합니다. [1]
생식 관련 AI 임상시험은 확립된 보고 표준을 따라야 합니다. CONSORT-AI 는 연구자들에게 AI 개입, 사용자 기술, 통합 환경, 입력 및 출력 처리, 인간 상호작용 및 오류 사례를 기술하도록 요청합니다. 이러한 세부 사항은 모델의 수치적 출력이 변하지 않더라도 행동이 변경될 수 있기 때문에 필수적입니다. [5]
- 주요 결과와 하위 그룹 분석을 사전에 정의하십시오.
- 배아 전문가와의 실패, 우회 및 의견 불일치를 보고합니다.
- 신뢰 구간 및 교정을 사용하고 정확성에만 의존하지 마십시오.
공정성은 단순히 인구 통계적 균형 이상을 요구합니다
배아 데이터 세트는 좁은 범위의 클리닉, 배양기, 프로토콜 및 환자들을 반영할 수 있습니다. 모델은 배아 생물학보다는 실험실 환경과 관련된 이미지 특징을 의도치 않게 사용할 수 있습니다. 성능은 여러 사이트, 장비, 연령 그룹, 난소 반응 패턴 및 임상적으로 관련된 인구 집단 전반에 걸쳐 테스트되어야 합니다. WHO의 AI 지침은 자율성, 안전성, 투명성, 책임성, 포용성 및 지속 가능성을 요구합니다. [6]
동의와 소통 또한 중요합니다. 환자는 연구용 알고리즘이 순위 또는 치료에 실질적인 영향을 미치는 경우, 어떤 데이터를 사용하는지, 이미지가 향후 모델 개발에 기여하는지, 그리고 어떤 대안이 존재하는지 알아야 합니다. 독점 점수가 임상 기관이 권고의 근거, 한계 및 불확실성을 설명하는 것을 막아서는 안 됩니다. FDA 투명성 원칙은 유사하게 의도된 사용, 훈련 및 테스트 데이터, 알려진 실패 모드 및 수명 주기 모니터링을 강조합니다. [4]
- 보조 모델 개발을 위한 데이터 출처 및 권한을 평가하십시오.
- 클리닉, 장치 또는 환자 그룹별로 성능이 어떻게 다른지 테스트하십시오.
- 인간의 검토 및 도전 가능성을 유지하십시오.
신중한 도입 표준
생식 관련 AI을 고려하는 클리닉은 먼저 규제 상태를 확인하고 제안된 사용이 승인되었거나 검증된 적응증과 일치하는지 판단해야 합니다. 그런 다음 현지 수용성 테스트를 수행하고, 사용자 교육을 실시하며, 책임을 문서화하고, 결과를 모니터링하며, 성능을 구현 전 기준선과 비교해야 합니다. ESHRE의 IVF 추가 장치에 대한 모범 사례 권고 사항은 부가 기술을 일상적으로 채택하기 전에 투명한 정보와 근거 기반 평가를 강조합니다. [3]
적절한 입장은 자동적인 거부도, 성급한 낙관도 아닙니다. AI은 일관성, 실험실 품질 및 의사 결정 지원을 개선할 수 있지만, 증거는 주장의 중요도에 비례하여 높아져야 합니다. 환자들은 단지 회고적 연관성이나 실험실 효율성만이 입증된 경우, 생존 출산율의 암시적인 개선에 대해 비용을 지불해서는 안 됩니다.
- 예비 연구에서 어떤 환자에게 중요한 결과가 개선되었습니까?
- 증거는 독립적이고 이 버전과 관련이 있는가?
- 모델 업데이트는 사용 전에 어떻게 검증됩니까?
- 클리닉은 하위 그룹의 성능 변화를 식별하고 대응할 수 있습니까?
증거가 아직 답하지 못하는 것
- 대부분의 난자 선택 연구는 회귀적이며, 선택 편향 및 특정 위치의 혼란에 취약합니다.
- 시간 지연 발효, 시간 지연 형태 및 AI 선택은 구별되는 개입
- 착상과 임상적 임신은 누적된 생존 출산 및 장기적인 안전성을 대체할 수 없습니다.
- 빠른 모델 업데이트는 배포된 버전에 대한 게시된 증거를 쓸모없게 만들 수 있습니다.
관리가 필요한 질문
- AI는 관리, 품질 관리 또는 임상 선택 결정에 사용됩니까?
- 정확한 버전이 현재 치료에 대해 예비적으로 평가되었습니까?
- 증거에는 출산, 안전 및 누적 치료 결과가 포함되는가?
- 환자는 어떻게 정보 제공받고, 의료진은 결과에 어떻게 개입할 수 있는가?
- 치료 후 배아 이미지 및 관련 데이터는 어떻게 처리됩니까?
출처 기록
이 검토에 사용된 증거
출처는 임상적 권위, 방법론적 관련성 및 추적성을 위해 선택되었습니다. 링크는 원본 지침, 공중 보건 기록 또는 연구 출판물을 엽니다.
- [1]시험관 시술실에서의 인공지능: 위원회 의견
미국 생식의학회 · 2026
- [2]배아 배양 및 배아 평가를 위한 타임랩스 시스템
Cochrane · 2019
- [3]생식 의학 분야의 보조 치료에 대한 좋은 관행 권장 사항
유럽 생식 및 수정학회 · 2023
- [4]머신 러닝 기반 의료 기기에 대한 투명성: 지침 원칙
US 식품의약품안전처, 보건부 캐나다 및 MHRA · 2024
- [5]CONSORT-AI 확장
Nature Medicine · 2020
- [6]건강을 위한 인공지능의 윤리 및 거버넌스
세계 보건 기구 · 2021
본 근거 종합 자료는 일반적인 정보 제공을 위한 것입니다. 질병을 진단하거나 자격을 갖춘 의료 전문가의 진료를 대체할 수 없습니다. 치료 선택은 개인의 병력, 검진, 지역 지침 및 충분한 정보를 바탕으로 한 선호도에 따라 달라집니다. 응급 상황이거나 급격히 악화되는 증상은 즉시 지역 의료 평가가 필요합니다.