AI v péči o plodnost: slib, důkazy a klinická realita

Svět vstupuje do nové demografické éry. Globální míra plodnosti klesla zhruba 4,9 dítěte na ženu v 50. letech 20. století na 2,3 dnes a OSN předpovídá, že bude i nadále klesat po celou toto století. Ve Velké Británii je porodnost ještě nižší – 1,39 dítěte na ženu v Anglii a Walesu v roce 2025. Jak klesající porodnost, odkládání rodičovství a rostoucí neplodnost přetvářejí reprodukční zdravotní péči, plodnost se stala jednou z nejrychleji rostoucích oblastí investic do HealthTech. Investoři podporují technologie, které slibují usnadnit početí, lépe porozumět reprodukčnímu zdraví a efektivněji navigovat léčbu. Globální trh s asistovanou reprodukční technologií má podle očekávání dosáhnout $33,4 miliardy v roce 2026. Trh FemTech, který zahrnuje všechny technologie podporující zdraví žen, byl v hodnotě odhadovaných $45,6 miliardy celosvětově v roce 2025 a předpokládá se, že do roku 2033 se více než ztrojnásobí.

Umělá inteligence se přirozeně stala součástí této vlny. Dnes AI pohání aplikace pro sledování menstruačního cyklu, nositelná zařízení, domácí testy plodnosti a technologie in vitro fertilizace (IVF), slibující stále personalizovanější vhled do reprodukčního zdraví. Jakmile se tyto nástroje stávají sofistikovanějšími, konverzace se však posouvá od toho, co AI dokáže, k tomu, jakou důvěru by měla získat. Tato důvěra závisí nejen na kvalitě doporučení, která poskytuje, ale také na tom, jak transparentní jsou společnosti ohledně dat, na nichž jsou postaveny: jaké datové sady jsou používány k tréninku těchto systémů, jak jsou reprezentativní a spolehlivé, a kde leží jejich omezení jak pro kliniky, tak pro pacienty.

Digitální nástroje pro plodnost mění chování pacientů rychleji, než klinické důkazy dohánějí.

Důkazy pro HealthTech v oblasti plodnosti jsou nuancovanější, než často naznačují jak jeho největší zastánci, tak nejkritičtější odpůrci. Nedávná recenze od UCL výzkumníci konstatuje, že digitální nástroje – od aplikací pro plodnost a nositelných zařízení po domácí testy a telezdraví – mohou zlepšit povědomí o plodnosti, podpořit samosledování, rozšířit přístup ke zdravotní péči a posílit komunikaci mezi pacienty a kliniky. Jak se pacienti více zapojují do porozumění a řízení svého reprodukčního zdraví, AI se stále častěji stává součástí této cesty. Podle 2026 KFF průzkumu, jeden ze tří dospělých v USA již použil AI chatbot pro zdravotní informace nebo rady, přičemž mnoho z nich se na něj obrátilo před tím, než konzultovalo poskytovatele zdravotní péče. To naznačuje, že AI se stává více než jen vyhledávacím nástrojem: nyní pomáhá lidem interpretovat zdravotní informace před učiněním klinických rozhodnutí.

Současně výzkumníci tvrdí, že tyto výhody závisí na přesnosti, klinické validitě a integraci do zdravotnických cest, a varují, že mnoho technologií pro plodnost stále přichází na trh bez dostatečných důkazů, že jejich předpovědi jsou analyticky robustní, klinicky smysluplné nebo skutečně prospěšné pro pacienty. Výzva přesahuje pouhé chyby AI nebo halucinace. Mnoho technologií pro plodnost se dostává k pacientům dříve, než existuje dostatek důkazů, že jejich předpovědi jsou klinicky smysluplné nebo skutečně zlepšují výsledky, což vytváří riziko, že důvěra v technologii převyšuje dostupné důkazy.

Tato mezera v důkazech se stává zvláště patrnou, když AI přechází od vysvětlování základní reprodukční biologie k podpoře rozhodování o plodnosti. Výzkumníci kteří porovnali ChatGPT, Gemini, Copilot a Perplexity v 37 otázkách týkajících se plodnosti, zjistili, že modely byly obecně spolehlivé v oblastech jako menstruační cyklus a početí, ale při odpovídání na otázky o IVF, zmrazení vajíček a dalších asistovaných reprodukčních technologiích byly mnohem méně konzistentní.

Vysvětlení je překvapivě praktické spíše než čistě technické. Základní koncepty plodnosti jsou podpořeny desetiletími dobře zavedených důkazů, zatímco asistované reprodukční technologie se vyvíjejí mnohem rychleji. Jak autoři poznamenávají, i modely, které citují vědecké články, mohou přehánět vzácné stavy nebo zastaralé nálezy, čímž poskytují sebejisté odpovědi, které nejsou reprezentativní pro širší populaci pacientů.

Jak zařízení healthtech a nástroje AI stále více formují způsob, jakým lidé interpretují příznaky, rozumí výsledkům testů a přistupují k rozhodnutím o léčbě před vstupem do kliniky, standardy pro důkazy, transparentnost a regulatorní dohled se výrazně zvyšují.

Kde by AI mohla mít největší dopad v péči o plodnost

Zatímco spotřebitelské aplikace pro plodnost, nositelná zařízení a domácí testy nadále pokročují, AI také transformuje klinickou stránku reprodukční medicíny. Místo nahrazování specialistů se nejvíce nadějný výzkum zaměřuje na pomoc embryologům, lékařům v oblasti plodnosti a laboratorním týmům při činění informovanějších rozhodnutí.

Jednou z nejzavedenějších oblastí výzkumu AI v reprodukci je hodnocení embryí během IVF. Analýzou tisíců časosběrných snímků vývoje embryí ukázaly modely strojového učení působivé výsledky při předpovídání životaschopnosti embryí a zůstávají jednou z nejnadějnějších aplikací v tomto oboru. Současně Nature Medicine trial prokázala, že silný výkon na retrospektivních datech automaticky nevede k lepším klinickým výsledkům, což motivovalo výzkumníky ke zvýšení nároků na validaci. More recent work posunula zaměření ještě dál a zdůraznila klinické hodnocení v reálných podmínkách jako další klíčový krok před tím, než budou tyto systémy široce nasazeny v praxi.

Dalším slibným směrem je předpovídání ovariální odpovědi před IVF. Výzkumníci používají AI ke kombinaci klinických ukazatelů, jako je věk, hladiny anti-Müllerova hormonu (AMH) a počet antrálních folikulů, aby odhadli, jak pravděpodobně pacientka zareaguje na ovariální stimulaci před zahájením léčby. Recent studies naznačují, že tyto modely mohou zlepšit plánování léčby a pomoci identifikovat pacientky, které by mohly těžit z dřívější intervence nebo více personalizované stimulační strategie, ačkoli širší klinická validace zůstává důležitým dalším krokem.

Zralost těchto technologií se značně liší. Některé nástroje AI již dnes pomáhají klinickým lékařům v IVF laboratořích, zatímco jiné se stále přesouvají z perspektivního univerzitního výzkumu k klinické validaci. Tento rozdíl je důležitý, protože odráží širší posun v péči o plodnost: největší dopad v blízké budoucnosti stále častěji přichází od AI systémů, které podporují klinické pracovní postupy, místo aby nahrazovaly klinické úsudky.

Od průlomů v AI k vylepšení každodenní péče o pacienty

Není tajemstvím, že hlavní očekávání firem od nástrojů AI je snížení nákladů. A odvětví plodnosti není výjimkou – IVF může být nákladný zákrok. Není tedy divu, že kliniky a další společnosti hledají způsoby, jak snížit náklady a učinit léčbu přístupnou co největšímu počtu lidí.

Nemůžeme IVF a léčbu plodnosti obecně zjednodušit, protože biologická stránka je složitá. To, co můžeme zjednodušit, je cesta pacienta a klinický pracovní postup. Proto jsme se obrátili na AI, abychom snížili čas, který naši lékaři věnují přípravě případů – jedné z nejcennějších zdrojů v péči o plodnost.

Podle mého názoru by dnes nejužitečnějším nástrojem byl AI systém navržený k analýze kompletní klinické historie pacienta, předchozích léčeb a laboratorních výsledků a následnému uspořádání těchto informací do strukturovaného případu. Například může lékařům nabídnout návrh dávkování léků na základě výsledků krevních testů. Klinické rozhodnutí zůstává výhradně na lékaři; AI jen zkracuje čas potřebný k jeho přípravě.

V Plan Your Baby nyní spolupracujeme s partnery z odvětví na vytvoření takového systému. V naší vizi musí být trénován na anonymizovaných datech shromážděných během let péče o plodnost, protože v medicíně kvalita AI produktu závisí stejně na klinickém kontextu dat jako na samotném modelu. Každý záznam je před použitím pro vývoj de‑identifikován, což umožňuje systému učit se z reálné péče a zároveň chránit soukromí pacientů.

Je také důležité zdůraznit, že protože se tato technologie stane součástí klinického pracovního postupu, nemůže být považována za běžný AI produkt. Takové nástroje musí být od počátku navrženy s ohledem na certifikaci jako zdravotnický prostředek, protože ve zdravotnictví je nasazení možné jen tehdy, když technologie splňuje stejné standardy, jaké se očekávají u jakéhokoli jiného klinického nástroje.