Эта новаторская работа в области ЭКО направлена на автоматизацию и стандартизацию процесса, который в настоящее время является очень субъективным. Результаты исследования опубликованы в научном журнале NPJ Digital Medicine.
Актуальность проблемы
По статистке, бесплодие встречается примерно у 8% женщин детородного возраста. В то время как ЭКО помогло миллионам обзавестись ребенком, средний показатель успеха в Соединенных Штатах (по данным авторов исследования) составляет приблизительно 45%. Выбор зародыша с наилучшими шансами на здоровую беременность в настоящее время является субъективным процессом. Даже среди опытных эмбриологов нет единого мнения о том, как предсказать жизнеспособность отдельного эмбриона на основании его появления на стадии бластоцисты, в которой он состоит всего из 200-300 клеток.
«Глубокое обучение» — это методика искусственного интеллекта, которая смоделирована на основе нейронных сетей мозга, которые анализируют информацию в возрастающей сложности. Когда компьютер получает новую информацию, его способность распознавать нужные шаблоны, будь то признаки здорового эмбриона или клетки, содержащие опухоль рака легких, автоматически улучшается. Размер набора обучающих данных критически важен для успеха алгоритма с большим количеством данных, приводящих к лучшим результатам.
Методика на основе искусственного интеллекта
Новая методика на основе искусственного интеллекта, разработанная исследователями из Медицинского колледжа Уэилл Корнелл (Weill Cornell Medicine), может с большой степенью точности определить, имеет ли 5-дневный оплодотворенный эмбрион человека высокий потенциал для успешной беременности. Методика, которая анализирует покадровые изображения эмбрионов на ранней стадии, поможет улучшить показатель успешности экстракорпорального оплодотворения (ЭКО) и минимизировать риск многоплодной беременности.
В то время как алгоритм «Stork» может выбирать эмбрионы хорошего качества с высокой степенью точности, предыдущие исследования показали, что только 80% успешности беременности зависят от качества эмбрионов. В частности, материнский возраст связан с уменьшением частоты успешной имплантации эмбриона в матку.
Специалисты по фертильности зачастую имплантируют несколько эмбрионов, чтобы максимизировать шансы на одно успешное рождение, но этот процесс неточен и может привести к многоплодной беременности, что сопряжено с собственными рисками, такими как низкий вес при рождении, преждевременные роды и осложнения у матери.
Материалы и методы обследования
Ученые потратили более 6 месяцев на просмотр около 50 000 анонимных изображений, представляющих 10 148 эмбрионов человека, собранных с помощью покадровой фотографии за 7 лет. С присвоенной эмбриологом оценкой и ретроспективным знанием исхода беременности исследователи могли классифицировать эмбрионы как хорошие, удовлетворительные или плохого качества. В конечном счете, авторы исследования использовали два набора из 6000 изображений хорошего или плохого качества, чтобы выработать алгоритм, как классифицировать новые изображения. Эмбрионы считались хорошего качества, если шансы были выше 58%, и плохого качества, если шансы были ниже 35%. После обучения и проверки алгоритм, получивший название Stork, смог классифицировать качество нового набора изображений с точностью до 97%.
Результаты научной работы
Используя клинические данные 2182 эмбрионов, исследователи провели оценку успешной беременности, используя комбинацию качества эмбриона и возраста пациента, как наиболее важной клинической переменной. Они также предоставили анализ вероятности с целью оптимизации отбора эмбрионов и максимизации вероятности одиночной беременности.
«Внедряя новые технологии в области ЭКО, мы можем автоматизировать и стандартизировать процесс, который зависит от субъективных суждений человека. Эта новаторская работа дает нам представление о том, как эта область может выглядеть в будущем», — сказал автор исследования Зев Розенвакс (Zev Rosenwaks), сотрудник Центра репродуктивной медицины им. Рональда О. Перельмана и Клаудии Коэн (Ronald O. Perelman and Claudia Cohen Center for Reproductive Medicine).
Выводы
«Мы хотели разработать объективный метод, который можно было бы использовать для стандартизации и оптимизации процесса отбора, чтобы увеличить показатели успешности ЭКО», — сказал Никица Занинович (Nikica Zaninovic), соавтор исследования.
Алгоритм Stork в настоящее время является инструментом исследования, и ученые планируют включить дополнительные клинические и технические параметры для улучшения алгоритма.
Авторы другого исследования утверждают, что большинство случаев рака диагностируется у детей, зачатых при помощи ЭКО.
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики АО «СЗМЦ» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей
E-mail для связи – [email protected];
