Отбор эмбрионов и искусственный интеллект – текущий статус

Какова нынешняя эффективность поддержки принятия решений с помощью искусственного интеллекта (ИИ) во время отбора эмбрионов по сравнению со стандартным отбором эмбрионов, проводимым эмбриологами? ИИ неизменно превосходил клинические команды во всех исследованиях, посвященных морфологии эмбрионов и прогнозированию клинических результатов во время оценки отбора эмбрионов.

Опытная медицинская команда Критского центра фертильности, работающая под руководством доктора Маттайоса Фрайдакиса, уже использует ИИ при отборе эмбрионов, еще больше помогая пациентам с ЭКО и быстро увеличивая показатели успеха.

Что известно уже

Показатель успеха АРТ составляет ~30%, при этом тревожная тенденция увеличения возраста женщин коррелирует со значительно худшими результатами. Таким образом, предпринимаются постоянные усилия по решению этой проблемы с низким уровнем успеха посредством разработки новых технологий. С появлением искусственного интеллекта появляется возможность применения машинного обучения таким образом, чтобы области, ограниченные человеческой субъективностью, такие как отбор эмбрионов, можно было улучшить за счет повышения объективности. Учитывая потенциал ИИ для повышения показателей успеха ЭКО, по-прежнему крайне важно проанализировать эффективность взаимодействия ИИ и эмбриологов во время отбора эмбрионов.

ДИЗАЙН ИССЛЕДОВАНИЯ, РАЗМЕР, ПРОДОЛЖИТЕЛЬНОСТЬ

Поиск проводился в PubMed, EMBASE, Ovid Medline и IEEE Xplore с 1 июня 2005 г. по 7 января 2022 г. включительно. Включенные статьи также были ограничены статьями, написанными на английском языке. Во всех базах данных для исследования использовались следующие поисковые запросы: («Искусственный интеллект» ИЛИ «Машинное обучение» ИЛИ «Глубокое обучение» ИЛИ «Нейронная сеть») И («ЭКО» ИЛИ «экстракорпоральное оплодотворение*» ИЛИ «вспомогательные репродуктивные технологии*) ‘ ИЛИ «эмбрион»), где символ «*» означает, что поисковая система должна включить любое автоматическое завершение поискового запроса.

УЧАСТНИКИ/МАТЕРИАЛЫ, ОБСТАНОВКА, МЕТОДЫ

Был проведен поиск литературы, касающейся применения ИИ в ЭКО. Основными исходами, представляющими интерес, были точность, чувствительность и специфичность оценки морфологии эмбриона, а также вероятность клинических исходов, таких как клиническая беременность после лечения ЭКО. Риск систематической ошибки оценивался с использованием модифицированного контрольного списка «вниз» и «черный».

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И РОЛЬ СЛУЧАЯ

В этот обзор вошли двадцать статей. В исследованиях не было конкретного дня оценки эмбрионов — изучались дни с 1 по 5/6 дня развития эмбрионов. Типами входных данных для обучения алгоритмов ИИ были изображения и замедленная съемка (10/20), клиническая информация (6/20), а также изображения и клиническая информация (4/20). Каждая модель ИИ продемонстрировала многообещающие результаты по сравнению с визуальной оценкой эмбриолога. В среднем модели предсказывали вероятность успешной клинической беременности с большей точностью, чем клинические эмбриологи, что означает большую надежность по сравнению с предсказаниями человека. Модели искусственного интеллекта работали со средней точностью 75,5% (диапазон 59–94%) при прогнозировании степени морфологии эмбриона. Правильный прогноз (Основная истина) определялся посредством использования изображений эмбрионов в соответствии с оценкой постэмбриологов в соответствии с местными соответствующими рекомендациями. Используя наборы данных слепого тестирования, точность прогноза эмбриологов составила 65,4% (диапазон 47–75%) с той же истинностью, что и исходная местная соответствующая оценка. Аналогичным образом, модели искусственного интеллекта имели среднюю точность 77,8% (диапазон 68–90%) при прогнозировании клинической беременности с использованием информации о клиническом лечении пациентки по сравнению с 64% (диапазон 58–76%), когда их выполняли эмбриологи. Когда были объединены как изображения, покадровая съемка, так и ввод клинической информации, медианная точность моделей искусственного интеллекта была выше — 81,5% (диапазон 67–98%), в то время как у клинических эмбриологов медианная точность составляла 51% (диапазон 43–59%). ).

ОГРАНИЧЕНИЯ, ПРИЧИНЫ ДЛЯ ОСТОРОЖНОСТИ

Результаты этого обзора основаны на исследованиях, которые не прошли проспективную оценку в клинических условиях. Кроме того, справедливое сравнение всех исследований было сочтено невозможным из-за неоднородности исследований, разработки моделей ИИ, используемой базы данных, а также дизайна и качества исследования.

Более широкие последствия результатов

ИИ открывает значительные перспективы в области ЭКО и отбора эмбрионов. Однако необходимо изменить восприятие разработчиками клинического результата от успешной имплантации к продолжающейся беременности или живорождению. Кроме того, существующие модели ориентированы на локально созданные базы данных, и многие из них не проходят внешнюю проверку.

ФИНАНСИРОВАНИЕ ОБУЧЕНИЯ / КОНКУРЕНТАЦИЯ ИНТЕРЕСОВ

Это исследование финансировалось Институтом будущего данных Монаша. Все авторы не заявляют об отсутствии конфликта интересов.

Источник: ncbi.nlm.nih.gov.