Bedrijven op het gebied van vruchtbaarheidstechnologie doen er alles aan. Ze gokken erop dat kunstmatige intelligentie de dag kan redden voor stellen die proberen zwanger te worden via IVF. Het is geen slechte pitch. In-vitrofertilisatie is al een wonderdoener en heeft de afgelopen veertig jaar miljoenen kinderen op de wereld gebracht. Alleen al in de VS werden er vorig jaar meer dan 100.000 baby’s uit geboren.
Maar hier zit het probleem. De kansen zijn niet groot. Volgens de CDC resulteert ongeveer 37,5% van de ART-cycli in 2022 in een geboorte op alle leeftijden. Kijk dan naar vrouwen boven de veertig. Dat aantal tankt. Het daalt naar tien procent. Misschien minder.
Dit is waar AI tussenbeide komt met zijn glimmende beloften. Voorstanders beweren dat deze algoritmen een winnaarembryo sneller kunnen detecteren dan een menselijk oog. Ze beweren dat we kunnen voorspellen welke genetische mix tot een gezonde baby leidt en welke eindigt in een miskraam. Toch enkele deskundigen? Ze zijn nog niet mee met de hype.
De ethische puinhoop
Het wordt snel ingewikkeld. Wat gebeurt er als de AI op oogkleur screent? Of hoogte? Dat is een hellend vlak op het terrein van de eugenetica, en de meeste mensen zijn het erover eens dat we daar een harde grens moeten trekken. Dan is er de privacy van gegevens. Vruchtbaarheidsgegevens zijn zeer intiem.
Mina Alikani, een deskundige op het gebied van reproductieve geneeskunde, zegt het duidelijk:
Net zoals de samenleving als geheel hiermee worstelt, moeten [aanbieders] hetzelfde doen.
We zijn nog steeds bezig met het uitzoeken van de verkeersregels voor AI. Het toepassen van diezelfde vage regels op de menselijke voortplanting voelt gevaarlijk.
Machines zien het beter? Of doen ze dat?
Hier is een statistiek die mij vasthield. In een recensie uit 2023 stonden AI-modellen tegenover doorgewinterde embryologen. Wie heeft het voorspellingsspel voor zwangerschapssucces gewonnen?
AI deed het. Het bereikte een nauwkeurigheid van 81,5%. Mensen zaten op een trage 51%.
Wacht, luister beter. Die voorspelling is voor een zwangerschap. Niet noodzakelijkerwijs een levendgeborene. Er is een wereld van verschil tussen een positieve testkit en een gezonde pasgeborene. Maar vruchtbaarheidsstartups zijn dol op deze cijfers. Herasight en Cercle voeden hun bots met hormonale gegevens, statistieken over de beweeglijkheid van sperma en fysiologische markers. Het doel is om u precies te vertellen hoeveel eieren of embryo’s u nodig heeft om kans te maken op succes. Om het giswerk uit het raden te halen.
Een gerandomiseerd onderzoek uit begin 2025 suggereerde dat AI misschien wel beter zou zijn dan traditionele selectiemethoden. Misschien gelijk aan. Toch waarschuwt Alikani ervoor niet te opgewonden te raken. Deze systemen helpen. Ze vervangen niet. De jury is er nog niet uit of dit daadwerkelijk de klinische resultaten op een zinvolle manier verandert.
Het probleem van de datasilo’s
Er is een reden waarom het zo moeilijk is om een perfecte bot te trainen. De gegevens zijn een puinhoop. Elke kliniek registreert informatie anders. Elk land heeft verschillende protocollen. Je kunt geen mondiale waarheid synthetiseren uit gefragmenteerde, rommelige documenten.
David Sable, een endocrinoloog aan Columbia, noemt het ‘Een toren van Babel’.
Zonder standaardisatie krijg je geen precisiegeneeskunde. Je krijgt afval erin, afval eruit. Onderzoekers pleiten voor een uniforme aanpak. Precisie is belangrijk. Gepersonaliseerde stimulatieprotocollen en betere embryo-annotatie kunnen helpen. Maar op dit moment experimenteren we met de bouwstenen. Het systeem zelf blijft wankel.
Duur en onvolwassen
Laten we het over de kosten hebben. Een enkele IVF-cyclus kan $ 50.000 opleveren. Het is een luxeproduct. AI zal dat prijskaartje niet snel verlagen.
Sable merkt op dat IVF als sector nog jong is. Vergelijk het met de bacteriologie, die beschikt over tientallen jaren aan robuuste gegevens en standaarden. Reproductieve technologie is nog steeds bezig met het uitzoeken van zijn eigen regels.
Het is meestal beschikbaar voor een klein aantal mensen.
Het toevoegen van AI-lagen bovenop een dure, ondoorzichtige industrie creëert nieuwe risico’s. Datalekken. Algoritme-hallucinaties waarbij de AI gegevens verzint die er niet zijn. Dit zijn niet alleen theoretische risico’s; het zijn directe bedreigingen voor de patiëntveiligheid.
Het oordeel? Flauw.
We hebben gezien dat andere ‘tech-revoluties’ op het gebied van de vruchtbaarheid grootse beloften niet waarmaakten. Voer intracytoplasmatische sperma-injectie uit met behulp van time-lapse-beeldvorming. Klinkt leuk. Gebruikt camera’s om sperma te zien zwemmen. Er werd naar gekeken in een UK/HK-onderzoek uit 2024 met bijna 1,60 deelnemers.
Resultaat? Het aantal levendgeborenen ging van 33% naar 33,7%.
Een verwaarloosbaar verschil. Bijna nul impact.
Pre-implantatie genetische tests (PGT-A) werken beter voor chromosomale controles. Maar algemene IVF-succespercentages? Ze komen uit op 50%. Meestal veel lager.
Dus waarom de AI-push? Wanhoop. Klinieken willen die cijfers verhogen. Alikani geeft toe dat er een kans bestaat dat we met deze tools sneller het plafond van 50% kunnen doorbreken. Misschien verrassen we onszelf.
Maar als je vandaag naar het bewijsmateriaal kijkt?
De algoritmen leveren ons nog geen superieure resultaten op. De hype overtreft de data. En in die kloof schuilt het echte gevaar.
