IA nella Cura della Fertilità: Promessa, Evidenza e Realtà Clinica

Il mondo sta entrando in una nuova era demografica. Il tasso di fertilità globale è sceso da circa 4,9 figli per donna negli anni ’50 a 2,3 oggi, e le Nazioni Unite prevedono che continuerà a diminuire per tutto il secolo. Nel Regno Unito, il tasso di natalità è ancora più basso – 1,39 figli per donna in Inghilterra e Galles nel 2025. Con il calo dei tassi di natalità, il ritardo nella genitorialità e l’aumento dell’infertilità che stanno rimodellando l’assistenza sanitaria riproduttiva, la fertilità è diventata una delle aree di investimento HealthTech in più rapida crescita. Gli investitori stanno sostenendo tecnologie che promettono di rendere più facile concepire, comprendere meglio la salute riproduttiva e gestire il trattamento in modo più efficiente.Il mercato globale delle tecnologie di riproduzione assistita dovrebbe raggiungere 33,4 miliardi di dollari nel 2026. Il mercato FemTech, che comprende tutte le tecnologie utilizzate per supportare la salute delle donne, valeva circa 45,6 miliardi di dollari a livello globale nel 2025 e si prevede che triplicherà entro il 2033. 

L’intelligenza artificiale è naturalmente diventata parte di questa ondata. Oggi, l’IA alimenta app per il monitoraggio del ciclo, dispositivi indossabili, test di fertilità domestici e tecnologie di fecondazione in vitro (IVF), promettendo approfondimenti sempre più personalizzati sulla salute riproduttiva. Man mano che questi strumenti diventano più sofisticati, però, la discussione sta passando da ciò che l’IA può fare a quanto fiducia dovrebbe guadagnare. Tale fiducia dipende non solo dalla qualità delle raccomandazioni che produce, ma anche da quanto le aziende siano trasparenti sui dati alla base: quali set di dati vengono usati per addestrare questi sistemi, quanto sono rappresentativi e affidabili, e dove risiedono le loro limitazioni sia per i clinici sia per i pazienti. 

Gli Strumenti Digitali per la Fertilità Stanno Cambiando il Comportamento dei Pazienti Più Velocemente di Quanto le Evidenze Cliniche Possano Tenere il Passo

Le evidenze per la HealthTech della fertilità sono più sfumate di quanto suggeriscano sia i suoi più ferventi sostenitori sia i critici più severi. Una recente revisione da parte dei ricercatori dell’UCL conclude che gli strumenti digitali – dalle app per la fertilità e i dispositivi indossabili ai test domestici e alla telemedicina – possono migliorare l’alfabetizzazione sulla fertilità, supportare l’auto-monitoraggio, ampliare l’accesso alle cure e rafforzare la comunicazione tra pazienti e clinici. Man mano che i pazienti diventano più coinvolti nella comprensione e nella gestione della propria salute riproduttiva, l’IA sta diventando sempre più parte di quel percorso. Secondo l’indagine KFF 2026, uno su tre adulti statunitensi ha già utilizzato un chatbot IA per informazioni o consigli sulla salute, con molti che vi si rivolgono prima di parlare con un operatore sanitario. Ciò suggerisce che l’IA sta diventando più di uno strumento di ricerca: ora aiuta le persone a interpretare le informazioni sanitarie prima che vengano prese decisioni cliniche.

Allo stesso tempo, i ricercatori sostengono che questi benefici dipendono da accuratezza, validità clinica e integrazione nei percorsi sanitari, avvertendo che molte tecnologie per la fertilità arrivano ancora sul mercato senza prove sufficienti che le loro previsioni siano analiticamente solide, clinicamente significative o realmente vantaggiose per i pazienti. La sfida va oltre gli errori o le allucinazioni dell’IA. Molte tecnologie per la fertilità raggiungono i pazienti prima che vi siano prove sufficienti che le loro previsioni siano clinicamente significative o migliorino realmente i risultati, creando il rischio che la fiducia nella tecnologia superi le evidenze a suo supporto. 

Questa lacuna di evidenza diventa particolarmente evidente quando l’IA passa dal spiegare la biologia riproduttiva di base al supportare le decisioni sulla fertilità. Ricercatori che hanno confrontato ChatGPT, Gemini, Copilot e Perplexity su 37 domande di fertilità hanno scoperto che i modelli erano generalmente affidabili su argomenti come il ciclo mestruale e la concezione, ma diventavano molto meno coerenti nel rispondere a domande su IVF, congelamento degli ovociti e altre tecnologie di riproduzione assistita.

L’esplicazione è sorprendentemente pratica piuttosto che puramente tecnica. I concetti di base della fertilità sono sostenuti da decenni di evidenze ben consolidate, mentre le tecnologie di riproduzione assistita evolvono molto più rapidamente. Come osservano gli autori, anche i modelli che citano articoli scientifici possono sovrastimare condizioni rare o risultati obsoleti, fornendo risposte sicure che non rappresentano la popolazione più ampia dei pazienti.

Man mano che i dispositivi healthtech e gli strumenti di IA influenzano sempre più il modo in cui le persone interpretano i sintomi, comprendono i risultati dei test e affrontano le decisioni terapeutiche prima di entrare in clinica, gli standard per l’evidenza, la trasparenza e la supervisione normativa diventano molto più elevati.

Dove l’IA Potrebbe Fare la Differenza più Grande nella Cura della Fertilità

Mentre le app di fertilità per i consumatori, i dispositivi indossabili e i test domestici continuano a evolversi, l’IA sta trasformando anche il lato clinico della medicina riproduttiva. Piuttosto che sostituire gli specialisti, la ricerca più promettente si concentra sull’aiutare embryologi, medici della fertilità e i team di laboratorio a prendere decisioni più informate. 

Una delle aree più consolidate della ricerca sull’IA nella fertilità è la valutazione degli embrioni durante la IVF. Analizzando migliaia di immagini in time‑lapse dello sviluppo embrionale, i modelli di apprendimento automatico hanno mostrato risultati impressionanti nella previsione della vitalità degli embrioni e rimangono una delle applicazioni più promettenti del settore. Allo stesso tempo, una landmark Nature Medicine trial ha dimostrato che una forte performance su dataset retrospettivi non si traduce automaticamente in migliori risultati clinici, spingendo i ricercatori a innalzare gli standard di validazione. More recent work ha spostato ulteriormente l’attenzione, enfatizzando la valutazione clinica in contesti reali come prossimo passo critico prima che questi sistemi possano essere ampiamente adottati nella pratica.

Un’altra direzione promettente è la previsione della risposta ovarica prima della IVF. I ricercatori stanno usando l’IA per combinare indicatori clinici come età, livelli dell’ormone anti‑Mülleriano (AMH) e conteggi dei follicoli antrali per stimare come un paziente probabilmente risponderà alla stimolazione ovarica prima dell’inizio del trattamento. Recent studies suggeriscono che questi modelli possano migliorare la pianificazione del trattamento e aiutare a identificare i pazienti che potrebbero beneficiare di un intervento precoce o di una strategia di stimolazione più personalizzata, sebbene una più ampia validazione clinica rimanga un passo importante successivo.

La maturità di queste tecnologie varia notevolmente. Alcuni strumenti di IA assistono già i clinici nei laboratori di IVF oggi, mentre altri sono ancora in transizione dalla promettente ricerca universitaria alla validazione clinica. Questa distinzione è importante perché riflette un cambiamento più ampio nell’assistenza alla fertilità: l’impatto più significativo a breve termine proviene sempre più da sistemi di IA che supportano i flussi di lavoro clinici anziché sostituire il giudizio clinico.

Dai progressi dell’IA al miglioramento della cura quotidiana dei pazienti

Non è un segreto che la principale aspettativa delle aziende verso gli strumenti di IA sia la riduzione dei costi. Anche il settore della fertilità non fa eccezione – la IVF può essere una procedura costosa. Non sorprende quindi che cliniche e altre aziende cerchino modi per ridurre le spese e rendere il trattamento accessibile al maggior numero possibile di persone.

Non possiamo rendere la IVF e i trattamenti di fertilità in generale più semplici perché la componente biologica è complessa. Ciò che possiamo semplificare è il percorso del paziente e il flusso di lavoro clinico. Perciò ci siamo rivolti all’IA per ridurre il tempo che i nostri medici dedicano alla preparazione dei casi – una delle risorse più preziose nella cura della fertilità.

A mio avviso, lo strumento più utile oggi sarebbe un sistema di IA progettato per analizzare la storia clinica completa di un paziente, i trattamenti precedenti e i risultati di laboratorio, per poi organizzare tali informazioni in un caso strutturato. Ad esempio, può fornire al medico un suggerimento sulla dose di farmaco basato sui risultati degli esami del sangue. La decisione clinica rimane interamente a carico del medico; l’IA si limita a ridurre il tempo impiegato per la preparazione.

In Plan Your Baby, stiamo ora collaborando con partner del settore per costruire un tale sistema. Nella nostra visione, deve essere addestrato su dati anonimizzati raccolti in anni di assistenza alla fertilità, perché in medicina la qualità di un prodotto di IA dipende tanto dal contesto clinico dei dati quanto dal modello stesso. Ogni record è de‑identificato prima di essere utilizzato per lo sviluppo, consentendo al sistema di apprendere dall’assistenza reale preservando la privacy dei pazienti. 

È anche importante sottolineare che, poiché questa tecnologia diventerà parte del flusso di lavoro clinico, non può essere trattata come un prodotto di IA convenzionale. Tali strumenti devono essere costruiti tenendo conto della certificazione di dispositivo medico fin dall’inizio, perché in ambito sanitario il loro impiego è possibile solo se la tecnologia soddisfa gli stessi standard richiesti a qualsiasi altro strumento clinico.