IA e fecondazione assistita: il deep learning prevede la gravidanza
Perché la valutazione morfologica non basta
In Italia la procreazione medicalmente assistita non è più un tema di poche persone. Nel 2023 i centri autorizzati hanno effettuato 112.804 cicli su 89.870 coppie, con 17.235 bambini nati vivi (6). L'età media delle donne trattate resta tra le più alte d'Europa, e la conseguenza è un peso rilevante sulla qualità degli ovociti.
Il criterio con cui si sceglie quale embrione trasferire, nella maggior parte dei laboratori, è la classificazione morfologica di Gardner. Il limite lo ricorda l'aggiornamento del consenso di Istanbul ESHRE/ALPHA del 2025: il giudizio dipende dalla valutazione soggettiva dell'embriologo e varia tra operatori e tra sedute dello stesso operatore (2).
Un altro aspetto da considerare è che la morfologia correla poco con l'assetto cromosomico. Su 3.238 blastocisti biopsiate una quota rilevante di embrioni di alto grado risultava comunque aneuploide (3). Da qui il ricorso alla tecnica PGT-A, che risponde in modo diretto ma richiede una biopsia del trofectoderma.
Come funziona l'Intelligenza Artificiale applicata ai video time-lapse
Il gruppo di Ryo Maekawa, Università di Yamaguchi, ha costruito due modelli di deep learning che lavorano solo sul video time-lapse e sull'età materna, senza annotazioni manuali (1).
I dati vengono da due centri PMA giapponesi, tutti acquisiti con incubatore EmbryoScope: 2.436 embrioni per il modello sulla gravidanza, 1.645 per quello sulla ploidia. Altri due centri hanno fornito le coorti per la validazione esterna.
La previsione non viene da un modello solo, ma da dieci reti addestrate in modo indipendente che producono un punteggio ciascuna. Il risultato è la mediana dei valori normalizzati. L'idea, dichiarata dagli autori, è riprodurre il consenso di più embriologi che eseguono una stessa valutazione.
Quanto è accurata l'IA nel prevedere gravidanza ed euploidia
La misura è l'AUROC, l'area sotto la curva ROC: 0,5 equivale al caso, 1,0 alla previsione perfetta. Entrambi i modelli stanno intorno a 0,75 sui dati esterni.
| Modello | Finestra ottimale | Validazione | Test interno | Test esterno |
|---|---|---|---|---|
| Gravidanza clinica | 20-50 ore post-fecondazione | 0,799 | 0,717 | 0,746 |
| Ploidia | intero periodo di coltura | 0,802 | 0,738 | 0,759 |
Nella coorte esterna il primo modello ha trattenuto l'80,4% degli embrioni che hanno poi dato gravidanza, escludendo il 66,4% di quelli che non hanno impiantato. Quello sulla ploidia ha trattenuto l'81,3% degli euploidi, ma ha scartato solo il 50,9% degli aneuploidi.
Il confronto con quanto è già in commercio rende attrattivo ciò che è stato progettato. All'ASRM 2023 il gruppo IVIRMA di Valencia riportava, per un algoritmo su immagine statica al quinto giorno, un'AUC di 0,75 per l'euploidia e di 0,63 per il nato vivo (4). IVI dichiara oggi un guadagno del 6% sulla gravidanza evolutiva con ovociti propri, fino al 18% quando gli embrioni sono morfologicamente sovrapponibili (7). Un beneficio reale.
Le prime ore di sviluppo pesano
Limitando l'input alle prime 50 ore, l'accuratezza sulla gravidanza sale rispetto all'intero periodo di coltura, e sui singoli istanti la capacità predittiva scende in modo progressivo dalle 20 alle 90 ore (1).
Il trend è riscontrato anche nel lavoro presentato all'ESHRE 2026 dal gruppo di Pavia con IVIRMA, che ha applicato un modello di IA spiegabile a 3,1 milioni di immagini time-lapse per prevedere la blastulazione dalle sole prime 24 ore post-ICSI. L'algoritmo concentra l'attenzione sulle prime 5 ore e sull'intervallo 18-20 ore, momenti con un senso embriologico e non artefatti dell'immagine (5).
Cosa cambia nella pratica assistenziale
Il consenso informato si allunga. Alla coppia va spiegato che l'analisi non aggiunge procedure e lavora su video che l'incubatore registra comunque. Va detto anche cosa il punteggio non è: va reso noto che non si tratta di una diagnosi genetica.
La gestione delle aspettative è il punto critico. Un ranking numerico crea maggiori aspettative rispetto a un giudizio morfologico espresso a parole. Chi riceve "primo embrione, punteggio 8,9" lo legge come una probabilità individuale, mentre è una posizione relativa dentro quella coorte. Riformulare il dato come ordine di trasferimento evita gran parte dei fraintendimenti.
Errori frequenti. Riferire il punteggio prima che l'embriologo abbia completato la valutazione. Dire "embrione sano" invece di "embrione con maggiore probabilità di essere euploide".
Limiti, cautele di utilizzo e quadro normativo
Lo studio è retrospettivo. Nessuno ha ancora dimostrato in modo prospettico che questi modelli producano più nati vivi della selezione morfologica, e gli autori chiedono infatti trial in doppio cieco (1).
I dati vengono da una sola piattaforma e da una sola popolazione, quella giapponese. Terreno di coltura, gas e prassi locali possono aver influenzato le prestazioni. Gli embrioni mosaico e quelli con esito PGT-A indeterminato sono stati esclusi, cioè i casi in cui la decisione clinica è più difficile e su cui sarebbe interessante arrivare a una diagnosi con una visione in più.
Sul piano regolatorio il Regolamento (UE) 2024/1689 classifica come ad alto rischio i sistemi di IA che operano come componenti di sicurezza di dispositivi medici e impone sorveglianza umana continua: chi usa il sistema deve saper governare la macchina, interpretarne l'esito, ignorarlo e interromperlo (8).
Bibliografia
- Maekawa R, Kiritani T, Abe T, Nakatsui M, Asai Y, Sugino N. AI prediction models based on time-lapse imaging for good embryos with implantation potential and euploidy. Sci Rep. 2026;16:9864. doi:10.1038/s41598-026-40917-5
- Coticchio G, et al. The Istanbul consensus update: a revised ESHRE/ALPHA consensus on oocyte and embryo static and dynamic morphological assessment. Hum Reprod. 2025;40(6):989-1035. doi:10.1093/humrep/deaf021
- Gao J, et al. The correlation between morphological parameters and the incidence of de novo chromosomal abnormalities in 3238 biopsied blastocysts. J Assist Reprod Genet. 2023;40:1089-98. doi:10.1007/s10815-023-02780-5
- American Society for Reproductive Medicine. Abstracts of the 2023 ASRM Scientific Congress. Fertil Steril. 2023;120(4 Suppl):e41-e42.
- Fantinato A, Corso L, Isernia M, et al. Explainable AI reveals cytoplasmic dynamics and morphodynamic features during early development predictive of blastulation. Hum Reprod. 2026;41(Suppl 1):deag083.489. doi:10.1093/humrep/deag083.489
- Ministero della Salute. Procreazione medicalmente assistita, Relazione al Parlamento 2025 (dati 2023) [Internet]. Roma: Ministero della Salute; dicembre 2025 [consultato il 31 agosto 2026].
- IVI Fertility. IA EmbryoSelect. Embryo selection with time-lapse and artificial intelligence [Internet]. Valencia: IVIRMA Global; giugno 2026 [consultato il 31 agosto 2026].
- Parlamento europeo e Consiglio dell'Unione europea. Regolamento (UE) 2024/1689 del 13 giugno 2024 che stabilisce regole armonizzate sull'intelligenza artificiale. Gazzetta ufficiale dell'Unione europea, serie L, 12 luglio 2024.