一个人工智能算法用于自动化的胚胎细胞形态参数,证明了与植入潜力的积极关联

科学领域:

• 生殖生物学和辅助生殖技术 (ART).
• 医学中的计算生物学和人工智能.

背景情况:

• 目前的胚胎囊选择依赖于主观形态评分和时间密集的形态动力学.
• 需要客观,高效和准确的方法来评估胚芽细胞.

研究的目的:

• 评估人工智能驱动的语义细分神经网络对自动化胚胎细胞形态分析的实用性.
• 为了确定自动测量的形态参数与植入潜力之间的关联.

主要方法:

• 一个语义细分神经网络被开发出来,可以自动测量胚胎细胞体大小,胚胎细胞体大小,胚胎细胞体与胚胎细胞体大小的比率以及胚胎细胞体形状.
• 该模型在1506个视频中接受了培训,并在102个视频中进行了验证.
• 在608个胚胎细胞移植的数据上进行了单变量和多变量逻辑回归分析,并根据女性年龄进行了调整.

主要成果:

• 在无变量分析中,母细胞体大小和ICM与母细胞体大小的比率与植入潜力有显著的关联.
• 根据女性年龄调整的多变量分析证实了胚胎细胞体大小是植入潜力的重要预测因素.
• 胚胎的胚大小大于平均值显示植入的可能性是植入的1.74倍. 该算法实现了一个AUC为0.70.

结论:

• 使用人工智能自动测量胚胎细胞形态测量是一种精确,一致和节省时间的工具.
• 更大的胚胎囊体大小与植入潜力增加有关.
• 人工智能驱动的形态测量分析可以增强在ART中的胚胎细胞选择策略.