{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5371042"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5371042","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εφαρμογή τεχνητής νοημοσύνης για την αξιολόγηση της ποιότητας εμβρύων που υποβάλλονται σε θεραπείες με βλαστοκύτταρα","abstract":"Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης (ΤΝ) έχει επιφέρει σημαντικές αλλαγές στη σύγχρονη ιατρική, επηρεάζοντας τόσο τη διαγνωστική διαδικασία όσο και τη λήψη κλινικών αποφάσεων. Ιδιαίτερο ενδιαφέρον παρουσιάζει η εφαρμογή της ΤΝ στη μαιευτική, τη γυναικολογία και την αναπαραγωγική ιατρική, όπου η ακριβής και αντικειμενική αξιολόγηση βιολογικών δεδομένων είναι κρίσιμης σημασίας. Σκοπός της παρούσας εργασίας είναι η διερεύνηση των εφαρμογών της τεχνητής νοημοσύνης στην αξιολόγηση της ποιότητας των εμβρύων και η ανάδειξη του ρόλου της σε συνδυασμό με τις τεχνολογίες των βλαστοκυττάρων. Η εργασία βασίστηκε σε ανασκόπηση της σύγχρονης επιστημονικής βιβλιογραφίας, με έμφαση σε μελέτες που αφορούν την εφαρμογή αλγορίθμων μηχανικής και βαθιάς μάθησης στην ιατρική, τη μαιευτική και γυναικολογία, την αναπαραγωγική και την αναγεννητική ιατρική. Αναλύθηκαν δεδομένα σχετικά με την ιατρική απεικόνιση, την αξιολόγηση εμβρύων, καθώς και τη χρήση της τεχνητής νοημοσύνης στην ανάλυση και ταξινόμηση πολυδύναμων βλαστοκυττάρων. Η ανασκόπηση ανέδειξε ότι η τεχνητή νοημοσύνη μπορεί να προσφέρει αυξημένη ακρίβεια, τυποποίηση και αναπαραγωγιμότητα στην αξιολόγηση της ποιότητας των εμβρύων, μειώνοντας την υποκειμενικότητα των παραδοσιακών μεθόδων. Παράλληλα, καταδεικνύεται η συμβολή της ΤΝ στη βελτίωση της προγνωστικής ικανότητας και στην υποστήριξη εξατομικευμένων θεραπευτικών προσεγγίσεων. Η τεχνητή νοημοσύνη αποτελεί ένα ισχυρό εργαλείο με σημαντικές προοπτικές για την αναπαραγωγική και αναγεννητική ιατρική. Η ορθή ενσωμάτωσή της στην κλινική πράξη δύναται να βελτιώσει τις κλινικές εκβάσεις, υπό την προϋπόθεση αντιμετώπισης τεχνολογικών, ηθικών και ρυθμιστικών προκλήσεων.","abstract_html":"Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης (ΤΝ) έχει επιφέρει σημαντικές αλλαγές στη σύγχρονη ιατρική, επηρεάζοντας τόσο τη διαγνωστική διαδικασία όσο και τη λήψη κλινικών αποφάσεων. Ιδιαίτερο ενδιαφέρον παρουσιάζει η εφαρμογή της ΤΝ στη μαιευτική, τη γυναικολογία και την αναπαραγωγική ιατρική, όπου η ακριβής και αντικειμενική αξιολόγηση βιολογικών δεδομένων είναι κρίσιμης σημασίας. Σκοπός της παρούσας εργασίας είναι η διερεύνηση των εφαρμογών της τεχνητής νοημοσύνης στην αξιολόγηση της ποιότητας των εμβρύων και η ανάδειξη του ρόλου της σε συνδυασμό με τις τεχνολογίες των βλαστοκυττάρων. Η εργασία βασίστηκε σε ανασκόπηση της σύγχρονης επιστημονικής βιβλιογραφίας, με έμφαση σε μελέτες που αφορούν την εφαρμογή αλγορίθμων μηχανικής και βαθιάς μάθησης στην ιατρική, τη μαιευτική και γυναικολογία, την αναπαραγωγική και την αναγεννητική ιατρική. Αναλύθηκαν δεδομένα σχετικά με την ιατρική απεικόνιση, την αξιολόγηση εμβρύων, καθώς και τη χρήση της τεχνητής νοημοσύνης στην ανάλυση και ταξινόμηση πολυδύναμων βλαστοκυττάρων. Η ανασκόπηση ανέδειξε ότι η τεχνητή νοημοσύνη μπορεί να προσφέρει αυξημένη ακρίβεια, τυποποίηση και αναπαραγωγιμότητα στην αξιολόγηση της ποιότητας των εμβρύων, μειώνοντας την υποκειμενικότητα των παραδοσιακών μεθόδων. Παράλληλα, καταδεικνύεται η συμβολή της ΤΝ στη βελτίωση της προγνωστικής ικανότητας και στην υποστήριξη εξατομικευμένων θεραπευτικών προσεγγίσεων. Η τεχνητή νοημοσύνη αποτελεί ένα ισχυρό εργαλείο με σημαντικές προοπτικές για την αναπαραγωγική και αναγεννητική ιατρική. Η ορθή ενσωμάτωσή της στην κλινική πράξη δύναται να βελτιώσει τις κλινικές εκβάσεις, υπό την προϋπόθεση αντιμετώπισης τεχνολογικών, ηθικών και ρυθμιστικών προκλήσεων.","abstract_has_math":false,"creators":["Κοτίδου Σοφία","Kotidou Sofia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:02:09Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5371042"],"render_values":[{"text":"uoadl:5371042","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5371042","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κοτίδου Σοφία","Kotidou Sofia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5371042","https://pergamos.lib.uoa.gr/uoa/dl/object/5371042"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης (ΤΝ) έχει επιφέρει σημαντικές αλλαγές στη σύγχρονη ιατρική, επηρεάζοντας τόσο τη διαγνωστική διαδικασία όσο και τη λήψη κλινικών αποφάσεων. Ιδιαίτερο ενδιαφέρον παρουσιάζει η εφαρμογή της ΤΝ στη μαιευτική, τη γυναικολογία και την αναπαραγωγική ιατρική, όπου η ακριβής και αντικειμενική αξιολόγηση βιολογικών δεδομένων είναι κρίσιμης σημασίας. Σκοπός της παρούσας εργασίας είναι η διερεύνηση των εφαρμογών της τεχνητής νοημοσύνης στην αξιολόγηση της ποιότητας των εμβρύων και η ανάδειξη του ρόλου της σε συνδυασμό με τις τεχνολογίες των βλαστοκυττάρων. Η εργασία βασίστηκε σε ανασκόπηση της σύγχρονης επιστημονικής βιβλιογραφίας, με έμφαση σε μελέτες που αφορούν την εφαρμογή αλγορίθμων μηχανικής και βαθιάς μάθησης στην ιατρική, τη μαιευτική και γυναικολογία, την αναπαραγωγική και την αναγεννητική ιατρική. Αναλύθηκαν δεδομένα σχετικά με την ιατρική απεικόνιση, την αξιολόγηση εμβρύων, καθώς και τη χρήση της τεχνητής νοημοσύνης στην ανάλυση και ταξινόμηση πολυδύναμων βλαστοκυττάρων. Η ανασκόπηση ανέδειξε ότι η τεχνητή νοημοσύνη μπορεί να προσφέρει αυξημένη ακρίβεια, τυποποίηση και αναπαραγωγιμότητα στην αξιολόγηση της ποιότητας των εμβρύων, μειώνοντας την υποκειμενικότητα των παραδοσιακών μεθόδων. Παράλληλα, καταδεικνύεται η συμβολή της ΤΝ στη βελτίωση της προγνωστικής ικανότητας και στην υποστήριξη εξατομικευμένων θεραπευτικών προσεγγίσεων. Η τεχνητή νοημοσύνη αποτελεί ένα ισχυρό εργαλείο με σημαντικές προοπτικές για την αναπαραγωγική και αναγεννητική ιατρική. Η ορθή ενσωμάτωσή της στην κλινική πράξη δύναται να βελτιώσει τις κλινικές εκβάσεις, υπό την προϋπόθεση αντιμετώπισης τεχνολογικών, ηθικών και ρυθμιστικών προκλήσεων.","The rapid development of artificial intelligence (AI) has brought about significant changes in modern medicine, affecting both the diagnostic process and clinical decision-making. Of particular interest is the application of AI in obstetrics, gynecology, and reproductive medicine, where accurate and objective evaluation of biological data is critical. The purpose of this paper is to explore the applications of artificial intelligence in the evaluation of embryo quality and to highlight its role in combination with stem cell technologies. The paper was based on a review of the current scientific literature, with an emphasis on studies concerning the application of machine learning and deep learning algorithms in medicine, obstetrics and gynecology, reproductive and regenerative medicine. Data on medical imaging, fetal assessment, and the use of artificial intelligence in the analysis and classification of pluripotent stem cells were analyzed. The review showed that artificial intelligence can offer increased accuracy, standardization, and reproducibility in embryo quality assessment, reducing the subjectivity of traditional methods. At the same time, AI has been shown to contribute to improving predictive ability and supporting personalized therapeutic approaches. Artificial intelligence is a powerful tool with significant prospects for reproductive and regenerative medicine. Its proper integration into clinical practice can improve clinical outcomes, provided that technological, ethical, and regulatory challenges are addressed."]},{"key":"dc:title","label":"Title","values":["Εφαρμογή τεχνητής νοημοσύνης για την αξιολόγηση της ποιότητας εμβρύων που υποβάλλονται σε θεραπείες με βλαστοκύτταρα"]}]}],"canonical_facts":{"dc:creator":["Κοτίδου Σοφία","Kotidou Sofia"],"dc:date":["2026"],"dc:description":["Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης (ΤΝ) έχει επιφέρει σημαντικές αλλαγές στη σύγχρονη ιατρική, επηρεάζοντας τόσο τη διαγνωστική διαδικασία όσο και τη λήψη κλινικών αποφάσεων. Ιδιαίτερο ενδιαφέρον παρουσιάζει η εφαρμογή της ΤΝ στη μαιευτική, τη γυναικολογία και την αναπαραγωγική ιατρική, όπου η ακριβής και αντικειμενική αξιολόγηση βιολογικών δεδομένων είναι κρίσιμης σημασίας. Σκοπός της παρούσας εργασίας είναι η διερεύνηση των εφαρμογών της τεχνητής νοημοσύνης στην αξιολόγηση της ποιότητας των εμβρύων και η ανάδειξη του ρόλου της σε συνδυασμό με τις τεχνολογίες των βλαστοκυττάρων. Η εργασία βασίστηκε σε ανασκόπηση της σύγχρονης επιστημονικής βιβλιογραφίας, με έμφαση σε μελέτες που αφορούν την εφαρμογή αλγορίθμων μηχανικής και βαθιάς μάθησης στην ιατρική, τη μαιευτική και γυναικολογία, την αναπαραγωγική και την αναγεννητική ιατρική. Αναλύθηκαν δεδομένα σχετικά με την ιατρική απεικόνιση, την αξιολόγηση εμβρύων, καθώς και τη χρήση της τεχνητής νοημοσύνης στην ανάλυση και ταξινόμηση πολυδύναμων βλαστοκυττάρων. Η ανασκόπηση ανέδειξε ότι η τεχνητή νοημοσύνη μπορεί να προσφέρει αυξημένη ακρίβεια, τυποποίηση και αναπαραγωγιμότητα στην αξιολόγηση της ποιότητας των εμβρύων, μειώνοντας την υποκειμενικότητα των παραδοσιακών μεθόδων. Παράλληλα, καταδεικνύεται η συμβολή της ΤΝ στη βελτίωση της προγνωστικής ικανότητας και στην υποστήριξη εξατομικευμένων θεραπευτικών προσεγγίσεων. Η τεχνητή νοημοσύνη αποτελεί ένα ισχυρό εργαλείο με σημαντικές προοπτικές για την αναπαραγωγική και αναγεννητική ιατρική. Η ορθή ενσωμάτωσή της στην κλινική πράξη δύναται να βελτιώσει τις κλινικές εκβάσεις, υπό την προϋπόθεση αντιμετώπισης τεχνολογικών, ηθικών και ρυθμιστικών προκλήσεων.","The rapid development of artificial intelligence (AI) has brought about significant changes in modern medicine, affecting both the diagnostic process and clinical decision-making. Of particular interest is the application of AI in obstetrics, gynecology, and reproductive medicine, where accurate and objective evaluation of biological data is critical. The purpose of this paper is to explore the applications of artificial intelligence in the evaluation of embryo quality and to highlight its role in combination with stem cell technologies. The paper was based on a review of the current scientific literature, with an emphasis on studies concerning the application of machine learning and deep learning algorithms in medicine, obstetrics and gynecology, reproductive and regenerative medicine. Data on medical imaging, fetal assessment, and the use of artificial intelligence in the analysis and classification of pluripotent stem cells were analyzed. The review showed that artificial intelligence can offer increased accuracy, standardization, and reproducibility in embryo quality assessment, reducing the subjectivity of traditional methods. At the same time, AI has been shown to contribute to improving predictive ability and supporting personalized therapeutic approaches. Artificial intelligence is a powerful tool with significant prospects for reproductive and regenerative medicine. Its proper integration into clinical practice can improve clinical outcomes, provided that technological, ethical, and regulatory challenges are addressed."],"dc:identifier":["uoadl:5371042","https://pergamos.lib.uoa.gr/uoa/dl/object/5371042"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Εφαρμογή τεχνητής νοημοσύνης για την αξιολόγηση της ποιότητας εμβρύων που υποβάλλονται σε θεραπείες με βλαστοκύτταρα"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:02:09Z"}