Selezione dell’embrione e IA – Stato attuale

Qual è l’attuale prestazione del supporto decisionale dell’intelligenza artificiale (AI) durante la selezione degli embrioni rispetto alla selezione standard degli embrioni da parte degli embriologi? L’intelligenza artificiale ha costantemente sovraperformato i team clinici in tutti gli studi focalizzati sulla morfologia dell’embrione e sulla previsione dei risultati clinici durante la valutazione della selezione degli embrioni.

L’esperto team medico del Crete Fertility Center, che lavora sotto la supervisione del Dr. Matthaios Fraidakis, sta già utilizzando l’intelligenza artificiale nella selezione degli embrioni, assistendo ancora di più i pazienti con fecondazione in vitro e aumentando rapidamente i tassi di successo.

Ciò che è già noto

Il tasso di successo dell’ART è pari a circa il 30%, con una tendenza preoccupante all’aumento dell’età femminile correlata a risultati considerevolmente peggiori. Pertanto, sono in corso sforzi per affrontare questo basso tasso di successo attraverso lo sviluppo di nuove tecnologie. Con l’avvento dell’intelligenza artificiale, esiste il potenziale per applicare l’apprendimento automatico in modo tale che le aree limitate dalla soggettività umana, come la selezione degli embrioni, possano essere migliorate attraverso una maggiore oggettività. Considerato il potenziale dell’IA nel migliorare i tassi di successo della fecondazione in vitro, rimane fondamentale rivedere le prestazioni tra l’IA e gli embriologi durante la selezione degli embrioni.

PROGETTAZIONE, DIMENSIONE, DURATA DELLO STUDIO

La ricerca è stata effettuata su PubMed, EMBASE, Ovid Medline e IEEE Xplore dal 1° giugno 2005 fino al 7 gennaio 2022 compreso. Gli articoli inclusi erano inoltre limitati a quelli scritti in inglese. I termini di ricerca utilizzati in tutti i database per lo studio erano: (“Intelligenza artificiale” O “Apprendimento automatico” O “Apprendimento profondo” O “Rete neurale”) E (“IVF” O “fertili in vitro*” O “tecnologia di riproduzione assistita* ‘ O ‘embrione’), dove il carattere ‘*’ rimanda il motore di ricerca a includere l’eventuale completamento automatico del termine di ricerca.

PARTECIPANTI/MATERIALI, AMBIENTAZIONE, METODI

È stata condotta una ricerca bibliografica relativa alle applicazioni dell’IA alla fecondazione in vitro. Gli esiti primari di interesse erano l’accuratezza, la sensibilità e la specificità delle valutazioni del grado morfologico dell’embrione e la probabilità di esiti clinici, come la gravidanza clinica dopo i trattamenti di fecondazione in vitro. Il rischio di bias è stato valutato utilizzando la lista di controllo Down e Black modificata.

PRINCIPALI RISULTATI E RUOLO DEL CASO

In questa revisione sono stati inclusi venti articoli. Non c’era un giorno specifico per la valutazione dell’embrione in tutti gli studi: è stato studiato il giorno 1 fino al giorno 5/6 dello sviluppo dell’embrione. I tipi di input per l’addestramento degli algoritmi AI erano immagini e time-lapse (10/20), informazioni cliniche (6/20) e sia immagini che informazioni cliniche (4/20). Ogni modello di intelligenza artificiale si è dimostrato promettente rispetto alla valutazione visiva di un embriologo. In media, i modelli hanno previsto la probabilità di una gravidanza clinica di successo con maggiore precisione rispetto agli embriologi clinici, il che significa una maggiore affidabilità rispetto alla previsione umana. I modelli AI hanno funzionato con una precisione media del 75,5% (intervallo 59-94%) nella previsione del grado morfologico dell’embrione. La previsione corretta (Ground Truth) è stata definita attraverso l’uso di immagini di embrioni secondo la valutazione dei post embriologi seguendo le rispettive linee guida locali. Utilizzando i set di dati dei test ciechi, la previsione di precisione degli embriologi è stata del 65,4% (intervallo 47-75%) con la stessa verità fondamentale fornita dalla rispettiva valutazione locale originale. Allo stesso modo, i modelli di intelligenza artificiale avevano un’accuratezza media del 77,8% (intervallo 68-90%) nel predire la gravidanza clinica attraverso l’uso delle informazioni sul trattamento clinico del paziente rispetto al 64% (intervallo 58-76%) quando eseguiti da embriologi. Quando sono state combinate sia le immagini/time-lapse che gli input di informazioni cliniche, l’accuratezza media dei modelli AI era più alta, pari all’81,5% (intervallo 67–98%), mentre gli embriologi clinici avevano un’accuratezza media del 51% (intervallo 43–59% ).

LIMITAZIONI, MOTIVI DI ATTENZIONE

I risultati di questa revisione si basano su studi che non sono stati valutati prospetticamente in un contesto clinico. Inoltre, un confronto equo di tutti gli studi è stato ritenuto irrealizzabile a causa dell’eterogeneità degli studi, dello sviluppo dei modelli di intelligenza artificiale, del database utilizzato, della progettazione e della qualità dello studio.

IMPLICAZIONI PIÙ AMSTE DEI RISULTATI

L’intelligenza artificiale rappresenta una notevole promessa nel campo della fecondazione in vitro e nella selezione degli embrioni. Tuttavia, è necessario un cambiamento nella percezione degli sviluppatori dell’esito clinico dall’impianto riuscito alla gravidanza in corso o al parto vivo. Inoltre, i modelli esistenti si concentrano su database generati localmente e molti mancano di convalida esterna.

FINANZIAMENTI STUDI/INTERESSI CONCORRENTI

Questo studio è stato finanziato dal Monash Data Future Institute. Tutti gli autori non hanno conflitti di interessi da dichiarare.