基于深度学习的胚胎评估算法与分裂阶段细胞数量和碎片化之间的相关性
Aisling Ahlström1, Jørgen Berntsen2, Martin Johansen2
1IVIRMA Global Research Alliance, Livio Gothenburg, Sweden.
Reproductive biomedicine online
|October 22, 2023
概括
深度学习模型iDAScore v2.0与手动胚胎细胞数量和分裂的评估准确相关. 这种人工智能工具显示了辅助生殖技术中活产结果的预测价值.
科学领域:
- 胚胎学 胚胎学
- 人工智能在医学中的应用
- 生殖医学 生殖医学
背景情况:
- 手动评估分裂期胚胎对于辅助生殖技术 (ART) 的成功至关重要.
- 评估胚胎细胞数量和分裂是一种标准的形态学评估.
- 需要客观的,自动化的评估方法来补充主观的手动评分.
研究的目的:
- 调查胚胎细胞数量和分裂的手动评估与iDAScore v2.0深度学习算法之间的相关性.
- 为了评估iDAScore v2.0对活产子结果的预测值.
主要方法:
- 一项回顾性观察性研究分析了来自1786个ART治疗的5040个胚胎.
- 通过iDAScore v2.0对胚胎进行评估,与手动评分细胞数量和分裂进行比较.
- 使用了受精后第二天和第三天新鲜单个胚胎移植的数据.
主要成果:
- iDAScore v2.0与手动评估的细胞数量和碎片化有显著的相关性 (P < 0.001).
- 较低的细胞数量和较高的碎片化与较低的iDAScore值相关.
- iDAScore显示了活产的预测值,与传统的形态评估 (AUC 0.607-0.627) 相比.
结论:
- iDAScore v2.0 深度学习模型显示与手动评估裂变期胚胎的显著相关性.
- iDAScore v2.0提供了一个有价值的,客观的工具,用于对ART的胚胎评估.
- 当与形态评估相结合时,该算法具有活产的潜在预测价值.
