Embryonenauswahl und KI – aktueller Status

Wie hoch ist die derzeitige Leistungsfähigkeit der Entscheidungsunterstützung durch künstliche Intelligenz (KI) bei der Embryonenauswahl im Vergleich zur Standard-Embryonenauswahl durch Embryologen? In allen Studien, die sich auf die Morphologie des Embryos und die Vorhersage des klinischen Ergebnisses während der Beurteilung der Embryonenauswahl konzentrierten, übertraf die KI durchweg die klinischen Teams.

Das erfahrene medizinische Team des Crete Fertility Center, das unter der Aufsicht von Dr. Matthaios Fraidakis arbeitet, setzt bereits KI bei der Embryonenauswahl ein, um IVF-Patienten noch mehr zu unterstützen und die Erfolgsraten rasch zu steigern.

Was ist bereits bekannt

Die ART-Erfolgsquote liegt bei etwa 30 %, wobei ein besorgniserregender Trend zu zunehmendem Alter der Frauen mit erheblich schlechteren Ergebnissen einhergeht. Daher wurden fortlaufend Anstrengungen unternommen, um dieser geringen Erfolgsquote durch die Entwicklung neuer Technologien entgegenzuwirken. Mit dem Aufkommen der KI besteht das Potenzial, maschinelles Lernen so anzuwenden, dass Bereiche, die durch die menschliche Subjektivität begrenzt sind, wie z. B. die Embryonenselektion, durch erhöhte Objektivität verbessert werden können. Angesichts des Potenzials der KI zur Verbesserung der IVF-Erfolgsraten bleibt es von entscheidender Bedeutung, die Leistung zwischen KI und Embryologen bei der Embryonenauswahl zu überprüfen.

STUDIENDESIGN, GRÖSSE, DAUER

Die Suche wurde vom 1. Juni 2005 bis einschließlich 7. Januar 2022 in PubMed, EMBASE, Ovid Medline und IEEE In allen Datenbanken der Studie wurden folgende Suchbegriffe verwendet: („Künstliche Intelligenz“ ODER „Maschinelles Lernen“ ODER „Deep Learning“ ODER „Neuronales Netzwerk“) UND („IVF“ ODER „In-vitro-Fertilisation*“ ODER „assistierte Reproduktionstechnik*) ‚ ODER ‚Embryo‘), wobei das Zeichen ‚*‘ die Suchmaschine darauf verweist, jede automatische Vervollständigung des Suchbegriffs einzubeziehen.

TEILNEHMER/MATERIALIEN, SETTINGS, METHODEN

Es wurde eine Literaturrecherche nach Literatur zu KI-Anwendungen bei IVF durchgeführt. Die wichtigsten interessierenden Ergebnisse waren Genauigkeit, Sensitivität und Spezifität der Beurteilung des Grades der Embryomorphologie sowie die Wahrscheinlichkeit klinischer Ergebnisse, wie z. B. einer klinischen Schwangerschaft nach IVF-Behandlungen. Das Risiko einer Verzerrung wurde mithilfe der Modified Down and Black Checklist bewertet.

WICHTIGSTE ERGEBNISSE UND DIE ROLLE DES ZUFALLS

In diese Rezension wurden zwanzig Artikel aufgenommen. In allen Studien gab es keinen spezifischen Embryonenbewertungstag – es wurden Tag 1 bis Tag 5/6 der Embryonalentwicklung untersucht. Die Eingabearten für das Training von KI-Algorithmen waren Bilder und Zeitraffer (10/20), klinische Informationen (6/20) sowie Bilder und klinische Informationen (4/20). Jedes KI-Modell erwies sich im Vergleich zur visuellen Beurteilung durch einen Embryologen als vielversprechend. Im Durchschnitt sagten die Modelle die Wahrscheinlichkeit einer erfolgreichen klinischen Schwangerschaft genauer voraus als klinische Embryologen, was eine höhere Zuverlässigkeit im Vergleich zur menschlichen Vorhersage bedeutet. Die KI-Modelle erzielten eine mittlere Genauigkeit von 75,5 % (Bereich 59–94 %) bei der Vorhersage des Embryomorphologiegrades. Die korrekte Vorhersage (Ground Truth) wurde durch die Verwendung von Embryonenbildern gemäß der Beurteilung durch Post-Embryologen gemäß den jeweiligen lokalen Richtlinien definiert. Unter Verwendung von Blindtestdatensätzen betrug die Genauigkeitsvorhersage der Embryologen 65,4 % (Bereich 47–75 %), wobei die gleiche Grundwahrheit wie bei der ursprünglichen lokalen jeweiligen Bewertung verwendet wurde. In ähnlicher Weise hatten KI-Modelle eine mittlere Genauigkeit von 77,8 % (Bereich 68–90 %) bei der Vorhersage einer klinischen Schwangerschaft durch die Verwendung von Informationen zur klinischen Behandlung des Patienten, verglichen mit 64 % (Bereich 58–76 %), wenn sie von Embryologen durchgeführt wurden. Wenn sowohl Bilder/Zeitraffer als auch klinische Informationseingaben kombiniert wurden, war die mittlere Genauigkeit der KI-Modelle mit 81,5 % (Bereich 67–98 %) höher, während klinische Embryologen eine mittlere Genauigkeit von 51 % (Bereich 43–59 %) hatten. ).

EINSCHRÄNKUNGEN, GRÜNDE FÜR VORSICHTSMASSNAHMEN

Die Ergebnisse dieser Überprüfung basieren auf Studien, die nicht prospektiv in einem klinischen Umfeld ausgewertet wurden. Darüber hinaus wurde ein fairer Vergleich aller Studien aufgrund der Heterogenität der Studien, der Entwicklung der KI-Modelle, der verwendeten Datenbank sowie des Studiendesigns und der Studienqualität als nicht durchführbar erachtet.

WEITERE AUSWIRKUNGEN DER ERGEBNISSE

KI ist für den IVF-Bereich und die Embryonenselektion vielversprechend. Allerdings muss sich die Wahrnehmung der Entwickler hinsichtlich des klinischen Ergebnisses von einer erfolgreichen Implantation hin zu einer anhaltenden Schwangerschaft oder Lebendgeburt ändern. Darüber hinaus konzentrieren sich bestehende Modelle auf lokal generierte Datenbanken und vielen fehlt eine externe Validierung.

STUDIENFÖRDERUNG/KONKURIERENDE INTERESSEN

Diese Studie wurde vom Monash Data Future Institute finanziert. Alle Autoren haben keine Interessenkonflikte zu melden.