AI in het ivf-laboratorium: continue beeldvorming, PGT en automatisering

Zo beoordeel je medische AI technisch

Een AI-systeem leert van gegevens en maakt voor een vast doel een voorspelling, classificatie of rangschikking. Bij embryobeoordeling kan dat een score zijn die ontwikkelingskenmerken uit beelden samenvoegt. Die score is geen neutrale natuurwet. De waarde hangt af van de trainingsgegevens, meetmethode, het laboratorium en de patiëntengroep waarvoor het systeem bedoeld is.

De Wereldgezondheidsorganisatie beschrijft voor medische hulpmiddelen met AI een volledige beoordelingscyclus: training, validatie, beoordeling en bewaking na ingebruikname. Het gaat niet alleen om de prestaties in één onderzoek, maar ook om onafhankelijke tests en de werking onder echte gebruiksomstandigheden. Het WHO-kader voor medische hulpmiddelen met AI licht die aanpak toe.

• Doel: welke concrete beslissing moet het systeem ondersteunen?
• Gegevens: voor welke groepen en laboratoriumomstandigheden is het ontwikkeld en getest?
• Vergelijking: zijn de prestaties gecontroleerd met gegevens die losstaan van de training?
• Menselijk toezicht: wie beoordeelt de score en wanneer mag het team ervan afwijken?
• Gebruik: hoe worden problematische updates, fouten en afnemende prestaties ontdekt?

Een hoge technische nauwkeurigheid beantwoordt nog niet de klinische vraag. Vraag welke uitkomst is gemeten: overeenstemming met embryologen, innesteling, klinische zwangerschap of levendgeboorte.

Continue beeldvorming en AI bij de beoordeling van embryo’s

Incubatoren met continue beeldvorming maken tijdens de ontwikkeling met korte tussenpozen beelden. Het laboratoriumteam kan zo het verloop volgen zonder embryo’s voor elke controle uit de incubator te halen. Sommige systemen gebruiken algoritmen om embryo’s op basis van de beelden een score of rangorde te geven.

Mogelijke voordelen voor documentatie en werkprocessen moeten apart worden beoordeeld van behandelsucces. De Britse HFEA concludeert in haar huidige beoordeling dat continue beeldvorming met handmatige of geautomatiseerde beoordeling voor de meeste patiënten de kans op een kind niet vergroot. De organisatie erkent wel dat continue observatie en praktische laboratoriumvoordelen mogelijk zijn. De onderbouwing staat op de HFEA-pagina over continue beeldvorming.

Dat betekent niet dat het systeem nutteloos is. Het betekent dat een kliniek geen beter behandelresultaat moet beloven als stevig bewijs ontbreekt. Nuttige vragen zijn:

• Wordt het systeem gebruikt voor incubatie, documentatie, selectie of meerdere doelen?
• Welke beslissing verandert de score in de praktijk?
• Hoe is het model in het eigen laboratorium gecontroleerd?
• Zijn er extra kosten en welk aangetoond voordeel staat daartegenover?

Wil je eerst de behandelstappen begrijpen, lees dan over ivf, ICSI en IUI.

Automatisering in het ivf-laboratorium: minder opvallend, vaak belangrijker

Een modern laboratorium bestaat uit meer dan incubatoren en microscopen. De technische infrastructuur omvat ook identiteitscontroles, sensoren, alarmroutes, onderhoudsregistraties, toegangsrechten, back-ups en vastgelegde goedkeuringen. Deze systemen houden kritieke stappen beheersbaar en helpen verwisselingen of onopgemerkte storingen voorkomen.

De in 2026 herziene ESHRE-aanbevelingen voor ivf-laboratoria behandelen kwaliteitsmanagement, patiëntidentificatie, traceerbaarheid van geslachtscellen en embryo’s, cryopreservatie en noodprocedures. Hier ligt een groot deel van echte technische innovatie: niet in één opvallend apparaat, maar in een systeem dat ook bij drukte, personeelswisselingen of een storing traceerbaar blijft.

• Traceerbaarheid: zijn monster, werkstap, verantwoordelijke en tijdstip duidelijk vastgelegd?
• Alarmen: wie krijgt bericht bij een temperatuurafwijking of apparaatstoring?
• Weerbaarheid: zijn er reserveapparaten, back-ups en geteste noodprocedures?
• Wijzigingsbeheer: wordt na software-updates of nieuwe verbruiksmaterialen gecontroleerd of het proces stabiel blijft?
• Controleerbaarheid: kan een afwijking later worden gereconstrueerd en voor verbetering worden gebruikt?

Elektronische controles vervangen geen gekwalificeerde professionals. Goede technologie maakt verantwoordelijkheden zichtbaar en ondersteunt het team; ze verplaatst beslissingen niet naar een black box.

PGT-M, PGT-A en niet-invasieve tests: vergelijkbare afkortingen, andere doelen

Bij genetisch onderzoek van embryo’s is het precieze doel bepalend. PGT-M zoekt naar een specifieke monogene aandoening die in een familie bekend is. PGT-A controleert of het aantal chromosomen in de onderzochte cellen afwijkend lijkt. De procedures beantwoorden verschillende vragen en zijn niet uitwisselbaar.

PGT-A is een selectiemethode, geen garantie op een zwangerschap of gezond kind. De huidige HFEA-beoordeling van PGT-A maakt duidelijk onderscheid tussen uitkomsten. Voor de meeste patiënten stijgt de kans op een kind niet automatisch, terwijl het miskraamrisico in bepaalde analyses kan dalen. Leeftijd, uitgangssituatie, aantal embryo’s en behandel­doel beïnvloeden de afweging.

Niet-invasieve PGT onderzoekt genetische sporen in de kweekvloeistof in plaats van cellen weg te nemen met een gewone embryobiopsie. De methode klinkt aantrekkelijk, maar is nog geen gelijkwaardig alternatief voor routinegebruik. De ESHRE-aanbevelingen over aanvullende behandelingen raden niet-invasieve PGT momenteel niet aan voor routinematig klinisch gebruik.

Of genetisch onderzoek medisch zinvol en lokaal toegestaan is, hangt af van doel, persoonlijke situatie en plaatselijke regels. Vraag vooraf wat precies wordt getest, hoe het team omgaat met onzekere of mozaïekuitslagen en wat elke mogelijke uitslag betekent. Het artikel over pre-implantatie genetische diagnostiek legt de begrippen verder uit.

Een aanvullende behandeling is niet automatisch innovatie

Aanvullende behandelingen worden vaak aangeboden met een aannemelijk mechanisme: een test meet meer, een kweekmedium zou innesteling ondersteunen of een algoritme zou selectie verbeteren. Een aannemelijk mechanisme is een beginpunt, geen bewijs voor voordeel dat voor patiënten relevant is.

ESHRE heeft aanvullende behandelingen in diagnostiek, laboratoriumprocedures en klinische toepassingen beoordeeld. De bewijskracht verschilt sterk. Ook het HFEA-overzicht van aanvullende behandelingen beoordeelt concrete uitkomsten en patiëntengroepen, niet ‘innovatie’ als marketingterm. De Britse beoordelingen zijn geen wereldwijde toelatingsregels, maar geven een transparante samenvatting van het onderzochte bewijs.

Plaats elk aanbod in een duidelijke categorie:

• Routine: de procedure hoort bij een vastgesteld proces met een duidelijk doel.
• Aanvullend: de behandeling wordt naast standaardzorg aangeboden, maar extra voordeel kan beperkt zijn of alleen voor bepaalde groepen zijn aangetoond.
• Onderzoek: veiligheid, nauwkeurigheid of klinisch voordeel worden nog onderzocht.

Termen als ‘AI-ondersteund’, ‘gepersonaliseerd’ of ‘volgende generatie’ zeggen op zichzelf niets over de categorie.

Robotica en volledig geautomatiseerde laboratoriumstappen: veelbelovend, niet zelfstandig

Geautomatiseerde ICSI, robotgestuurde voorbereiding van kweekschaaltjes en automatische methoden voor het invriezen van geslachtscellen of embryo’s worden onderzocht en verder ontwikkeld. Een wetenschappelijke HFEA-commissie nam AI, robotica en automatisering in 2026 als afzonderlijk onderwerp in haar bewijswerk op. De vergaderstukken van de commissie laten de breedte van de toepassingen zien.

Dat een technologie in onderzoek of vakdebat voorkomt, bewijst geen klinisch voordeel. Bij elke geautomatiseerde stap blijven dezelfde vragen gelden: is het doel helder? Is het proces met een zinvolle vergelijking getest? Wat gebeurt er bij een grensgeval of storing? Wordt de stap alleen sneller, of verbetert ook een uitkomst die voor patiënten telt?

Digitale begeleiding: een goede interface of een goed proces?

Patiëntenportalen, medicatieschema’s, afsprakenbeheer en beveiligde berichten kunnen organisatorische wrijving verminderen. Het voordeel komt niet van de app alleen. Ook verantwoordelijkheden, reactietijden en escalatieroutes achter de interface moeten werken.

• Welke informatie toont de app en welke beslissingen mag je daar niet alleen op baseren?
• Wie beantwoordt medische vragen en binnen welke termijn?
• Hoe bereik je het team bij dringende klachten of buiten reguliere tijden?
• Welke gegevens worden verzameld, waarvoor en met wie worden ze gedeeld?
• Kun je je gegevens downloaden, corrigeren of laten verwijderen?

Een digitale interface helpt wanneer ze een goed zorgproces zichtbaar en toegankelijk maakt. Ontbrekende verantwoordelijkheid kan ze niet herstellen.

Wearables en LH-tests: een tijdvenster, geen diagnose

Wearables en cyclusapps kunnen temperatuur, slaap en andere trends verzamelen. Die patronen kunnen helpen bij timing, maar verklaren niet betrouwbaar waarom een zwangerschap uitblijft. Een LH-urinetest meet ook niet de eisprong zelf, maar de stijging van het luteïniserend hormoon die meestal ongeveer één tot anderhalve dag eerder optreedt. De FDA-informatie over ovulatietests onderscheidt deze voorspelling duidelijk van een brede beoordeling van vruchtbaarheid.

Lees voor praktische uitleg over de eisprong, LH-tests en de vergelijking van apparaten voor ovulatietracking.

Checklist: acht vragen voor een kliniek of aanbieder

1. Welk concreet probleem moet de technologie oplossen?
2. Is het doel een beter proces, nauwkeurigere selectie of een beter behandelresultaat?
3. Welke uitkomst is in onderzoeken werkelijk gemeten?
4. Voor welke patiëntengroepen en laboratoriumomstandigheden gelden de gegevens?
5. Hoe is het systeem ter plaatse gecontroleerd en hoe worden de prestaties bewaakt?
6. Wie blijft verantwoordelijk als een professional en de software tot andere conclusies komen?
7. Welke risico’s, mogelijke fouten en alternatieven zijn er?
8. Welke extra kosten ontstaan en welk aangetoond voordeel staat daartegenover?

Een goed antwoord hoeft niet technisch te klinken. Het moet concreet genoeg zijn om doel, grenzen en gevolgen te begrijpen.

Conclusie

De sterkste innovatie in een ivf-laboratorium is niet per se het opvallendste algoritme. Betrouwbare identiteitscontroles, stabiele apparatuur, traceerbare gegevens en heldere verantwoordelijkheden leveren vaak meer technische waarde. AI, continue beeldvorming en genetische analyse kunnen deze systemen aanvullen, maar alleen een passende uitkomstmaat laat zien of de behandeling ook verbetert.

Dit artikel bekijkt technologie vanuit software- en productontwikkeling. Het vervangt geen individueel medisch of genetisch advies. Als een aanvullende behandeling invloed kan hebben op je behandelplan, embryoselectie of een andere belangrijke beslissing, vraag dan een gekwalificeerd behandelteam om voordelen, grenzen en alternatieven uit te leggen.