Tajwańska firma biotechnologiczna Nucleus Genomics zaprezentowała „Origin”, model AI analizujący DNA zarodka, aby przewidzieć jego żywotność rozwojową i cechy genetyczne z dokładnością 92% – popychając technologię zapłodnienia in vitro (IVF) na etycznie niezbadane terytorium.
Od projektowania chipów do analizy genów
Origin wykorzystuje techniki uczenia głębokiego, doskonalone w dominującym na Tajwanie sektorze półprzewodników TSMC. System analizuje sekwencje DNA z preimplantacyjnych badań genetycznych, identyfikując nieprawidłowości chromosomalne, które według badań opublikowanych w czasopiśmie Fertility & Sterility są przyczyną 60% nieudanych cykli IVF. Model przetwarza pary 23 chromosomów w ciągu niecałych 4 minut, w porównaniu do 72 godzin potrzebnych na manualną analizę cytogenetyczną.
Poza medyczną koniecznością: Granica cech poligenicznych
Kontrowersyjne możliwości Origin rozciągają się na oceny ryzyka poligenicznego – przewidywanie predyspozycji do takich stanów jak cukrzyca typu 2 czy niektóre rodzaje raka. System generuje również szacunki prawdopodobieństwa dla cech niemedycznych – wzrostu dorosłych, pośrednich wskaźników zdolności poznawczych – budząc obawy, że selekcja zarodków może zmierzać w kierunku projektowania dzieci. Redakcja Nature ostrzegała: „Luka między użytecznością kliniczną a potencjałem eugenicznym zawęża się z każdym postępem algorytmicznym.”
Tajwan zezwala na PGT bez ograniczeń obowiązujących w krajach UE. Ustawa o wspomaganym rozrodzie (zmieniona w 2023 r.) pozwala na przesiewanie zarodków pod kątem „poważnych zaburzeń genetycznych” bez definiowania ich ciężkości. Ta regulacyjna elastyczność przyciąga turystykę medyczną: tajwańskie kliniki IVF zgłosiły, że 34% pacjentów w 2024 roku pochodziło z Azji Południowo-Wschodniej i Chin.
Origin osiąga 92% dokładność w wykrywaniu aneuploidii, ale spada do 67% w przypadku ryzyka chorób poligenicznych. Origin reprezentuje podwójną naturę AI – innowację medyczną, która może zapobiegać cierpieniu, lub determinizm technologiczny, wzmacniający uprzedzenia poprzez algorytmiczną selekcję.
Źródła:
– TechNews Taiwan: Ogłoszenie Nucleus Genomics Origin
– Fertility & Sterility: Analiza chromosomalna niepowodzeń IVF
– ASHG: Wytyczne dotyczące oceny ryzyka poligenicznego
– Nature: Redakcyjne na temat etyki selekcji zarodków
– Science: Ograniczenia dokładności oceny poligenicznej