L’intelligenza artificiale (IA) potrebbe personalizzare e accelerare il percorso, spesso lungo e difficile, della procreazione medicalmente assistita (PMA) (1). È la conclusione della review firmata da Laura Rienzi (Università Carlo Bo di Urbino) e colleghi, pubblicata su Current Opinion in Obstetrics and Gynecology, che ha analizzato oltre 264 studi condotti in 10 anni di ricerche sull’applicazione dell’IA alle tecniche di PMA.
“In uno scenario in cui l’infertilità riguarda una persona su sei nel mondo e in molti Paesi le cure restano inaccessibili per costi elevati, l’IA potrebbe costituire un supporto al trattamento più mirato, equo e sostenibile” ha commentato Rienzi. “Per questo è sempre più importante preparare professionisti della sanità capaci di interpretare l’innovazione tecnologica e di valutare l’impatto reale sulla vita delle persone”.
Negli ultimi dieci anni, infatti, l’IA ha progressivamente guadagnato spazio nella medicina riproduttiva, con applicazioni proposte lungo l’intero percorso di fecondazione in vitro: dalla stimolazione ovarica alla selezione di gameti ed embrioni, fino alla predizione degli esiti e alla personalizzazione dei protocolli. L’aspettativa iniziale era che algoritmi di machine learning potessero integrare grandi quantità di dati eterogenei, ridurre la variabilità operatore-dipendente e migliorare tassi di gravidanza e di natività. Tuttavia, il bilancio delle evidenze disponibili ha restituito un quadro più sfumato.
L’analisi ha identificato, tra il 2016 e il 2025, 184 studi originali e 80 tra review, opinion paper e commentaries. Secondo Rienzi e colleghi, molti lavori presentano criticità metodologiche ricorrenti: validazione esterna limitata, scarsa trasparenza dei modelli, confronto inadeguato con la pratica clinica standard e focus su endpoint surrogati piuttosto che su outcome hard come il tasso di natività.
L’ambito più esplorato è stato la selezione embrionale. Sebbene alcuni modelli di deep learning abbiano mostrato performance promettenti nella classificazione morfologica o nella predizione degli outcome, i trial randomizzati disponibili non hanno dimostrato una superiorità clinica rispetto alla valutazione tradizionale. Inoltre, gran parte delle analisi si basa su valutazioni “globali” applicate a popolazioni eterogenee, mentre nella pratica clinica la decisione deve essere basata sulle persone, e quindi relativa agli embrioni prodotti dalla singola coppia. Secondo lo studio, questo limite ridurrebbe la trasferibilità dei risultati alla gestione reale dei pazienti. Va inoltre considerato che il miglioramento di endpoint intermedi, come l’outcome euploide, non si traduce automaticamente in un incremento del tasso di nato vivo poiché una quota significativa di blastocisti euploidi non evolve in gravidanza a termine.
Secondo gli autori, le prospettive più promettenti dell’IA nella PMA risiedono nella predizione personalizzata degli esiti e nell’estrazione automatizzata dei dati clinici. La capacità dell’IA di analizzare grandi quantità di informazioni in tempi rapidi aprirà infatti niuovi scenari per una medicina della riproduzione sempre più personalizzata e basata sui dati: già oggi consente di valutare ovociti e spermatozoi con precisione, individuando quelli con le maggiori probabilità di successo. Permette inoltre di raccogliere rapidamente informazioni cliniche permettendo ai medici di concentrarsi sul paziente, di analizzare in tempi brevi migliaia di casi simili, suggerendo quale trattamento ha più chance per una specifica coppia e rendendo il percorso meno incerto.
Secondo gli autori, uno dei rischi dell’affidarsi all’IA potrebbe essere quello di confondere la complessità dell’algoritmo con il progresso clinico, finendo per applicarla in ambiti dove il margine di miglioramento è “biologicamente limitato” e rendendo difficile osservare un vero vantaggio per i pazienti. Un altro aspetto cruciale riguarda la qualità dei modelli: perché l’IA diventi davvero uno strumento utile, dovrà essere trasparente e integrata nel processo decisionale del medico. “Non servono algoritmi sempre più complessi, ma modelli e strumenti affidabili, comprensibili e capaci di produrre benefici reali per i pazienti” ha concluso Rienzi. La sfida, secondo gli autori, è passare da un entusiasmo guidato dalla tecnologia a un’adozione realmente centrata sugli outcome clinicamente significativi.
Bibliografia
1. Cimadomo D, Coticchio G, Rienzi L. Artificial intelligence in human-assisted reproduction: a paradigm shift still in search of clinical impact. Current Opinion in Obstetrics and Gynecology (2026); published online on February 02. Doi: 10.1097/GCO.0000000000001092
