Οι επιστήμονες συνδύασαν πρόσφατα μεθόδους επεξεργασίας εικόνας όρασης υπολογιστή και τεχνικές βαθιάς μάθησης για να δημιουργήσουν το μη επεμβατικό μοντέλο Life Whisperer AI για ισχυρή πρόβλεψη της βιωσιμότητας του εμβρύου, όπως μετράται από την κλινική έκβαση της εγκυμοσύνης, χρησιμοποιώντας μεμονωμένες στατικές εικόνες βλαστοκύστεων της Ημέρας 5 που λαμβάνονται από τυπικό οπτικό φως συστήματα μικροσκοπίου.

Το Κέντρο Γονιμότητας Κρήτης ένωσε την 30ετή εμπειρία του Δρ Ματθαίου Φραϊδάκη και την τεχνητή νοημοσύνη για να βοηθήσει τους ασθενείς  στη διαδικασία της εξωσωματικής γονιμοποίησης ακόμη περισσότερο και να θέσει τα ποσοστά επιτυχίας της διαδικασίας αυτής σε ακόμη υψηλότερα πρότυπα.

Αυτό που ήδη γνωρίζουμε

Η επιλογή εμβρύου μετά την εξωσωματική γονιμοποίηση είναι ένας κρίσιμος παράγοντας για τον καθορισμό της επιτυχίας της επόμενης εγκυμοσύνης. Η παραδοσιακή μορφοκινητική βαθμολόγηση από εκπαιδευμένους εμβρυολόγους μπορεί να είναι υποκειμενική και μεταβλητή και άλλες συμπληρωματικές τεχνικές, όπως η απεικόνιση χρονικής καθυστέρησης, απαιτούν δαπανηρό εξοπλισμό και δεν έχουν αποδείξει αξιόπιστα προγνωστική ικανότητα για το τελικό σημείο της κλινικής εγκυμοσύνης. Οι μέθοδοι τεχνητής νοημοσύνης διερευνώνται ως ένα πολλά υποσχόμενο μέσο για τη βελτίωση της επιλογής εμβρύων και την πρόβλεψη των αποτελεσμάτων της εμφύτευσης και της εγκυμοσύνης.

Σχέδιο μελέτης, μέγεθος, διάρκεια

Αυτές οι μελέτες περιελάμβαναν ανάλυση δεδομένων που συλλέχθηκαν αναδρομικά, συμπεριλαμβανομένων τυπικών εικόνων οπτικού μικροσκοπίου φωτός και κλινικών αποτελεσμάτων 8886 εμβρύων από 11 διαφορετικές κλινικές εξωσωματικής γονιμοποίησης, σε τρεις διαφορετικές χώρες, μεταξύ 2011 και 2018.

Συμμετέχοντες/υλικά, σκηνικό, μέθοδοι

Το μοντέλο που βασίζεται στην τεχνητή νοημοσύνη εκπαιδεύτηκε χρησιμοποιώντας στατικές δισδιάστατες εικόνες οπτικού μικροσκοπίου φωτός με γνωστή κλινική έκβαση εγκυμοσύνης όπως μετρήθηκε από τον καρδιακό παλμό του εμβρύου για να παρέχει μια βαθμολογία εμπιστοσύνης για την πρόβλεψη της εγκυμοσύνης. Η προγνωστική ακρίβεια προσδιορίστηκε με αξιολόγηση της ευαισθησίας, της ειδικότητας και της συνολικής σταθμισμένης ακρίβειας και οπτικοποιήθηκε χρησιμοποιώντας ιστογράμματα των κατανομών των προβλέψεων. Η σύγκριση με την προγνωστική ακρίβεια των εμβρυολόγων πραγματοποιήθηκε χρησιμοποιώντας μια προσέγγιση δυαδικής ταξινόμησης και μια σύγκριση κατάταξης 5 ζωνών.

Κύρια αποτελέσματα και ο ρόλος της τύχης

Το μοντέλο Life Whisperer AI έδειξε ευαισθησία 70,1% για βιώσιμα έμβρυα, ενώ διατήρησε μια ειδικότητα 60,5% για μη βιώσιμα έμβρυα σε τρία ανεξάρτητα σετ τυφλών δοκιμών από διαφορετικές κλινικές. Η σταθμισμένη συνολική ακρίβεια σε κάθε τυφλό σετ δοκιμών ήταν >63%, με συνδυασμένη ακρίβεια 64,3% τόσο σε βιώσιμα όσο και σε μη βιώσιμα έμβρυα, επιδεικνύοντας στιβαρότητα και γενίκευση του μοντέλου πέρα από το αναμενόμενο αποτέλεσμα. Οι κατανομές των προβλέψεων έδειξαν σαφή διαχωρισμό των σωστά και εσφαλμένα ταξινομημένων εμβρύων. Η δυαδική σύγκριση της ταξινόμησης βιώσιμων/μη βιώσιμων εμβρύων έδειξε βελτίωση 24,7% σε σχέση με την ακρίβεια των εμβρυολόγων (P = 0,047, n = 2, Student’s t test) και η σύγκριση κατάταξης 5 ζωνών έδειξε βελτίωση 42,0% σε σχέση με τους εμβρυολόγους (P = 0,028, n = 2, Student’s t test).

Περιορισμοί, λόγοι προσοχής

Το μοντέλο AI που αναπτύχθηκε εδώ περιορίζεται στην ανάλυση των εμβρύων της Ημέρας 5. Επομένως, απαιτείται περαιτέρω αξιολόγηση ή τροποποίηση του μοντέλου για να ενσωματωθούν πληροφορίες από διαφορετικά χρονικά σημεία. Το καταληκτικό σημείο που περιγράφεται είναι η κλινική εγκυμοσύνη όπως μετράται με τον καρδιακό παλμό του εμβρύου και αυτό δεν υποδεικνύει την πιθανότητα ζωντανής γέννησης. Η τρέχουσα έρευνα διεξήχθη με δεδομένα που συλλέχθηκαν αναδρομικά και ως εκ τούτου θα είναι σημαντική η μελλοντική συλλογή δεδομένων για την αξιολόγηση της χρήσης του μοντέλου τεχνητής νοημοσύνης στον πραγματικό κόσμο.

Ευρύτερες επιπτώσεις των ευρημάτων

Αυτές οι μελέτες κατέδειξαν μια βελτιωμένη προγνωστική ικανότητα για την αξιολόγηση της βιωσιμότητας του εμβρύου σε σύγκριση με τις παραδοσιακές μεθόδους μορφοκινητικής ταξινόμησης των εμβρυολόγων. Η ανώτερη ακρίβεια του μοντέλου Life Whisperer AI θα μπορούσε να οδηγήσει σε βελτιωμένα ποσοστά επιτυχίας εγκυμοσύνης στην εξωσωματική γονιμοποίηση όταν χρησιμοποιείται σε κλινικό περιβάλλον. Θα μπορούσε επίσης ενδεχομένως να βοηθήσει στην τυποποίηση των μεθόδων επιλογής εμβρύων σε πολλαπλά κλινικά περιβάλλοντα, ενώ εξαλείφει την ανάγκη για πολύπλοκο εξοπλισμό απεικόνισης με χρονική καθυστέρηση. Τέλος, η εφαρμογή λογισμικού που βασίζεται σε σύννεφο που χρησιμοποιείται για την εφαρμογή του μοντέλου Life Whisperer AI στην κλινική πράξη το καθιστά ευρέως εφαρμόσιμο και παγκοσμίως επεκτάσιμο σε κλινικές εξωσωματικής γονιμοποίησης παγκοσμίως.

Πηγή: pubmed.ncbi.nlm.nih.gov