Искусственный интеллект и стимуляция яичников: повышение эффективности и стандартизации процессов экстракорпорального оплодотворения

Актуальность: Одной из наиболее сложных проблем в проведении программы экстракорпорального оплодотворения (ЭКО) остается выбор оптимального протокола контролируемой овариальной стимуляции (КОС). Решение о выборе той или иной схемы стимуляции овуляции часто основывается на опыте врача, доступности лекарственных препаратов и существующих схем стимуляции. Для уменьшения влияния субъективных факторов на результаты КОС в последние 3–4 года появилась реальная возможность использовать искусственный интеллект (ИИ) и глубокое машинное обучение в программах ЭКО. 
Цель: Анализ современных данных литературы о влиянии технологий ИИ на персонифицированность протоколов стимуляции овуляции в программах ЭКО. 
Материалы и методы: Поиск научных публикаций осуществляли в базах данных PubMed, Scopus, Wiley, Medline, Google Scholar, Cocharane и Web of Science, глубина охвата – 10 лет. На дизайн исследования никаких ограничений не накладывалась. 
Результаты: На основе анализа актуальных литературных источников установлено, что внедрение ИИ в репродуктивную медицину открывает широкие перспективы для повышения эффективности и персонализации лечения, однако оно сопровождается рядом вызовов. Ключевыми аспектами остаются обеспечение качества и стандартизации данных, проверка моделей на различных группах пациентов, повышение доверия среди врачей и их обучение, а также решение этических и нормативных вопросов. 
Заключение: Внедрение ИИ в процесс КОС имеет реальную возможность существенно изменить практику ЭКО, снизив влияние субъективных факторов на лечебный процесс. Благодаря максимальной объективности, персонализации, точности и эффективности, ИИ способен значительно повысить результаты лечения. Однако для полного раскрытия потенциала ИИ необходимо решить проблемы, связанные с качеством данных, разнообразием, регулированием и обучением врачей. 

Вклад авторов: Локшин В.Н., Карибаева Ш.К. – разработка концепции и научный дизайн; Азимбек А.М. – проведение заявленного научного исследования, написание текста статьи; Локшин В.Н., Карибаева Ш.К., 
Азимбек А.М. – интерпретация заявленного научного исследования.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.
Финансирование: Работа выполнена без спонсорской поддержки.
Для цитирования: Локшин В.Н., Азимбек А.М., Карибаева Ш.К. Искусственный интеллект и стимуляция яичников: повышение эффективности и стандартизации процессов экстракорпорального оплодотворения.
Акушерство и гинекология. 2026; 4: 59-66
https://dx.doi.org/10.18565/aig.2026.70

Вспомогательные репродуктивные технологии (ВРТ) стали наиболее широко применяемым методом лечения всех форм бесплодия. В то же время эффективность программ экстракорпорального оплодотворения (ЭКО) в последние годы остается практически на одном уровне, а в некоторых странах даже снижается из-за роста числа пациентов старшего репродуктивного возраста и широкого доступа к лечению за счет государства всех категорий пациентов. Одной из наиболее сложных проблем в проведении программы ЭКО остается выбор оптимального протокола контролируемой овариальной стимуляции (КОС). Решение о выборе той или иной схемы стимуляции овуляции часто основывается на опыте врача, доступности лекарственных препаратов и существующих схем лечения. Для уменьшения субъективных факторов на результаты КОС в последние 3–4 года появилась реальная возможность использовать искусственный интеллект (ИИ) и глубокое машинное обучение в проведении программы ЭКО. ИИ стал динамично развивающимся направлением в современной медицине, способным повысить эффективность стимуляции яичников путем оптимизации всех этапов лечения и достижения более высоких клинических результатов. ИИ может стать незаменимым инструментом для врачей, предоставляя объективные прогнозы результатов стимуляции яичников и в целом эффективность всей программы ЭКО. Прогнозирование и анализ реакции пациентов на стимуляцию позволяют максимально персонифицировать выбор препаратов, стартовую дозу, увеличить количество полученных зрелых ооцитов и эмбрионов хорошего качества и при этом предотвратить самое грозное осложнение – синдром гиперстимуляции яичников.

Цель исследования: анализ современных данных литературы о влиянии технологий ИИ на персонифицированность протоколов стимуляции овуляции в программах ЭКО.

Материалы и методы

Всесторонний поиск научных публикаций осуществляли в базах данных PubMed, Scopus, Wiley, Medline, Google Scholar, Cocharane и Web of Science. Были использованы различные комбинации терминов: «искусственный интеллект», «машинное обучение», «вспомогательные репродуктивные технологии», «экстракорпоральное оплодотворение», «схемы стимуляции», «триггер овуляции», «сперматозоид», «ооцит», «эмбрион». Поиск охватывал публикации глубиной 10 лет, выпущенные в период с января 2015 г. по март 2025 г. Поиск был ограничен людьми, ограничения по языку – «английский»; поиск также ограничивался только полными работами, исключались абстракты, не было ограничений по доступности статей (все источники могут быть запрошены у авторов). В анализ были включены все опубликованные рандомизированные контролируемые испытания, ретроспективные, проспективные, наблюдательные и сравнительные исследования, проведенные на людях. Настоящий обзор соответствует рекомендациям по подготовке систематических обзоров и метаанализов, изложенным в заявлении PRISMA. Процесс отбора материала о КОС с применением ИИ также зафиксирован на рисунке.

С момента рождения первого ребенка после ЭКО в 1978 г. за последние 40 лет ВРТ сделали значительные шаги вперед [1–3]. В последнее десятилетие в сфере здравоохранения все активнее используются алгоритмы машинного обучения, направленные на улучшение ухода за пациентами и повышение операционной эффективности. Чтобы рассмотреть возможности применения ИИ, важно сначала понять его различие с технологиями машинного и глубокого обучения. ИИ представляет собой технологию, которая имитирует работу человеческого мозга, включая его способность обрабатывать данные, демонстрировать интеллектуальное поведение и осуществлять критическое мышление. Машинное обучение является частью ИИ и основано на анализе данных, позволяя системе обучаться без необходимости явного программирования. Глубокое обучение (DL), в свою очередь, является подмножеством машинного обучения. Оно использует искусственные нейронные сети (ANN), построенные по аналогии с нейронными структурами мозга [4, 5]. Современные достижения в области ИИ, включая машинное обучение и прогнозное моделирование, могут способствовать оптимизации процессов лечения, иметь потенциал для улучшения процесса обслуживания пациентов, ускорять процедуры и повышать их точность и эффективность при меньших затратах на человеческие ресурсы.

Использование ИИ станет важным новшеством в репродуктивной медицине. ИИ будет ключевым элементом цифровой медицины, так как развитие точных методов позволяет делать надежные прогнозы в здравоохранении [5, 6]. Он может помочь врачам разрабатывать персонализированные стратегии лечения бесплодия, прогнозировать исходы лечения, оптимизировать планирование, выбор схемы дозирования и протоколов, мониторинг фолликулярного роста и гормонального статуса, а также определить оптимальное время триггера овуляции, учитывая индивидуальные характеристики пациента. Интеграция ИИ в репродуктивную медицину окажет значительное влияние на клиническую практику и научные исследования. Автоматизируя процессы...

Локшин В.Н., Азимбек А.М., Карибаева Ш.К.