Sélection d’embryons et IA – État actuel

Quelle est la performance actuelle de l’aide à la décision par l’intelligence artificielle (IA) lors de la sélection des embryons par rapport à la sélection standard des embryons par lesembryologistes ? L’IA a systématiquement surpassé les équipes cliniques dans toutes les études axées sur la morphologie de l’embryon et la prédiction des résultats cliniques lors de l’évaluation de la sélection des embryons.

L’équipe médicale expérimentée du Centre de fertilité de Crète, qui travaille sous la supervision du Dr Matthaios Fraidakis, utilise déjà l’IA dans la sélection des embryons, aidant ainsi encore plus les patientes FIV et augmentant rapidement les taux de réussite.

Ce que l’on sait déjà

Le taux de réussite du TAR est d’environ 30 %, avec une tendance inquiétante à l’augmentation de l’âge des femmes en corrélation avec des résultats considérablement moins bons. C’est pourquoi des efforts continus ont été déployés pour remédier à ce faible taux de réussite grâce au développement de nouvelles technologies. Avec l’avènement de l’IA, il est possible d’appliquer l’apprentissage automatique de telle manière que les domaines limités par la subjectivité humaine, tels que la sélection des embryons, puissent être améliorés grâce à une objectivité accrue. Compte tenu du potentiel de l’IA pour améliorer les taux de réussite de la FIV, il reste crucial d’examiner les performances entre l’IA et les embryologistes lors de la sélection des embryons.

CONCEPTION DE L’ÉTUDE, TAILLE, DURÉE

La recherche a été effectuée sur PubMed, EMBASE, Ovid Medline et IEEE Xplore du 1er juin 2005 au 7 janvier 2022 inclus. Les articles inclus étaient également limités à ceux rédigés en anglais. Les termes de recherche utilisés dans toutes les bases de données de l’étude étaient : (« Intelligence artificielle » OU « Apprentissage automatique » OU « Apprentissage profond » OU « Réseau neuronal ») ET (‘FIV’ OU ‘fertilité in vitro*’ OU ‘technologie de procréation assistée* ‘ OU ’embryon’), où le caractère ‘*’ fait référence au moteur de recherche pour inclure toute saisie semi-automatique du terme de recherche.

PARTICIPANTS/MATÉRIEL, CADRE, MÉTHODES

Une recherche documentaire a été menée pour identifier la littérature relative aux applications de l’IA à la FIV. Les principaux critères d’intérêt étaient l’exactitude, la sensibilité et la spécificité des évaluations du grade morphologique de l’embryon et la probabilité de résultats cliniques, tels qu’une grossesse clinique après des traitements de FIV. Le risque de biais a été évalué à l’aide de la liste de contrôle modifiée Down et Black.

PRINCIPAUX RÉSULTATS ET LE RÔLE DU HASARD

Vingt articles ont été inclus dans cette revue. Il n’y a pas eu de journée spécifique d’évaluation des embryons dans les études : le jour 1 jusqu’aux jours 5/6 du développement de l’embryon ont été étudiés. Les types d’entrées pour la formation des algorithmes d’IA étaient les images et les time-lapses (10/20), les informations cliniques (6/20) et à la fois les images et les informations cliniques (4/20). Chaque modèle d’IA s’est révélé prometteur par rapport à l’évaluation visuelle d’un embryologiste. En moyenne, les modèles ont prédit la probabilité d’une grossesse clinique réussie avec une plus grande précision que les embryologistes cliniques, ce qui signifie une plus grande fiabilité par rapport à la prédiction humaine. Les modèles d’IA ont fonctionné avec une précision médiane de 75,5 % (plage de 59 à 94 %) pour prédire le grade morphologique de l’embryon. La prédiction correcte (Ground Truth) a été définie grâce à l’utilisation d’images d’embryons selon l’évaluation des post-embryologistes conformément aux directives locales respectives. À l’aide d’ensembles de données de tests aveugles, la précision de la prédiction des embryologistes était de 65,4 % (plage de 47 à 75 %) avec la même vérité terrain fournie par l’évaluation locale respective d’origine. De même, les modèles d’IA avaient une précision médiane de 77,8 % (plage de 68 à 90 %) pour prédire la grossesse clinique grâce à l’utilisation des informations sur le traitement clinique des patientes, contre 64 % (plage de 58 à 76 %) lorsqu’ils étaient réalisés par des embryologistes. Lorsque les images/time-lapse et les informations cliniques ont été combinées, la précision médiane des modèles d’IA était plus élevée à 81,5 % (plage de 67 à 98 %), tandis que les embryologistes cliniques avaient une précision médiane de 51 % (plage de 43 à 59 % ).

LIMITES, RAISONS DE PRUDENCE

Les résultats de cette revue sont basés sur des études qui n’ont pas été évaluées de manière prospective en milieu clinique. De plus, une comparaison équitable de toutes les études a été jugée irréalisable en raison de l’hétérogénéité des études, du développement des modèles d’IA, de la base de données utilisée ainsi que de la conception et de la qualité des études.

IMPLICATIONS PLUS LARGES DES RÉSULTATS

L’IA est très prometteuse dans le domaine de la FIV et de la sélection d’embryons. Cependant, il doit y avoir un changement dans la perception des développeurs du résultat clinique d’une implantation réussie vers une grossesse en cours ou une naissance vivante. De plus, les modèles existants se concentrent sur des bases de données générées localement et beaucoup manquent de validation externe.

FINANCEMENT DES ÉTUDES/INTÉRÊTS CONCURRENTS

Cette étude a été financée par le Monash Data Future Institute. Tous les auteurs n’ont aucun conflit d’intérêts à déclarer.

Source: ncbi.nlm.nih.gov