Gli scienziati hanno recentemente combinato metodi di elaborazione delle immagini di visione artificiale e tecniche di deep learning per creare il modello AI non invasivo Life Whisperer per una previsione affidabile della vitalità dell’embrione, misurata dall’esito clinico della gravidanza, utilizzando singole immagini statiche delle blastocisti del giorno 5 ottenute dalla luce ottica standard sistemi microscopici.

Il Centro di fertilità di Creta ha unito i 30 anni di esperienza del Dr. Matthaios Fraidakis e l’intelligenza artificiale per aiutare ancora di più i pazienti nel processo di fecondazione in vitro e per fissare le percentuali di successo di questo processo a standard ancora più elevati.

Ciò che è già noto

La selezione degli embrioni dopo la fecondazione in vitro è un fattore critico nel determinare il successo della gravidanza successiva. La classificazione morfocinetica tradizionale da parte di embriologi esperti può essere soggettiva e variabile, e altre tecniche complementari, come l’imaging time-lapse, richiedono attrezzature costose e non hanno dimostrato in modo affidabile capacità predittiva per l’endpoint della gravidanza clinica. I metodi di intelligenza artificiale vengono studiati come mezzi promettenti per migliorare la selezione degli embrioni e prevedere gli esiti dell’impianto e della gravidanza.

Disegno dello studio, dimensione, durata

Questi studi hanno comportato l’analisi di dati raccolti retrospettivamente, comprese immagini standard al microscopio ottico ottico e risultati clinici di 8886 embrioni provenienti da 11 diverse cliniche di fecondazione in vitro, in tre diversi paesi, tra il 2011 e il 2018.

Partecipanti/materiali, ambientazione, metodi

Il modello basato sull’intelligenza artificiale è stato addestrato utilizzando immagini statiche di microscopio ottico bidimensionale con esito clinico noto della gravidanza misurato dal battito cardiaco fetale per fornire un punteggio di confidenza per la previsione della gravidanza. L’accuratezza predittiva è stata determinata valutando la sensibilità, la specificità e l’accuratezza ponderata complessiva ed è stata visualizzata utilizzando gli istogrammi delle distribuzioni delle previsioni. Il confronto con l’accuratezza predittiva degli embriologi è stato eseguito utilizzando un approccio di classificazione binaria e un confronto di classificazione a 5 bande.

Principali risultati e ruolo del caso

Il modello AI Life Whisperer ha mostrato una sensibilità del 70,1% per gli embrioni vitali mantenendo una specificità del 60,5% per gli embrioni non vitali in tre serie di test in cieco indipendenti provenienti da diverse cliniche. L’accuratezza complessiva ponderata in ciascun set di test in cieco è stata >63%, con un’accuratezza combinata del 64,3% sia su embrioni vitali che non vitali, dimostrando robustezza e generalizzabilità del modello oltre il risultato atteso dal caso. Le distribuzioni delle previsioni hanno mostrato una chiara separazione tra embrioni classificati correttamente e erroneamente. Il confronto binario della classificazione degli embrioni vitali/non vitali ha dimostrato un miglioramento del 24,7% rispetto all’accuratezza degli embriologi (P = 0,047, n = 2, test t di Student), e il confronto della classificazione a 5 bande ha dimostrato un miglioramento del 42,0% rispetto agli embriologi (P = 0,028, n = 2, test t di Student).

Limitazioni, motivi di cautela

Il modello di intelligenza artificiale qui sviluppato è limitato all’analisi degli embrioni del giorno 5; pertanto, è necessaria un’ulteriore valutazione o modifica del modello per incorporare informazioni provenienti da diversi punti temporali. L’endpoint descritto è la gravidanza clinica misurata dal battito cardiaco fetale e questo non indica la probabilità di parto vivo. L’attuale indagine è stata condotta con dati raccolti retrospettivamente e quindi sarà importante raccogliere dati in modo prospettico per valutare l’uso nel mondo reale del modello AI.

Implicazioni più ampie dei risultati

Questi studi hanno dimostrato una migliore capacità predittiva per la valutazione della vitalità embrionale rispetto ai tradizionali metodi di classificazione morfocinetica degli embriologi. La precisione superiore del modello AI Life Whisperer potrebbe portare a migliori tassi di successo della gravidanza nella fecondazione in vitro se utilizzato in un contesto clinico. Potrebbe anche potenzialmente contribuire alla standardizzazione dei metodi di selezione degli embrioni in più ambienti clinici, eliminando al contempo la necessità di complesse apparecchiature di imaging time-lapse. Infine, l’applicazione software basata su cloud utilizzata per applicare il modello AI Life Whisperer nella pratica clinica lo rende ampiamente applicabile e scalabile a livello globale per le cliniche di fecondazione in vitro di tutto il mondo.

Fonte: pubmed.ncbi.nlm.nih.gov