使用人工智能改善了临床怀孕的预测,增强了内细胞质量和皮图像

科学领域:

• 生殖医学 生殖医学
• 人工智能在医学中的应用
• 胚胎学 胚胎学

背景情况:

• 预测临床怀孕在体外受精 (IVF) 中至关重要.
• 人工智能 (AI) 模型正在开发中,用于分析胚胎图像,以改善试管婴儿的结果.
• 标准胚胎评估可能无法捕捉所有预测特征.

研究的目的:

• 评估人工智能模型的性能,用于预测临床怀孕,使用增强的内细胞质量 (ICM) 和皮 (TE) 图像.
• 为了比较训练在原始与增强胚胎图像上的AI模型的预测能力.
• 评估在增强胚胎图像上训练的AI模型的特征提取能力.

主要方法:

• 来自韩国七个试管婴儿中心的2555张第5天胚胎细胞图像的回顾性分析.
• 使用原始和增强的ICM/TE静态胚胎图像开发和培训AI模型.
• 使用接收器操作特征曲线 (AUC) 下的面积来评估AI模型性能.
• 梯度加权类激活映射 (Grad-CAM) 分析以评估特征提取.

主要成果:

• 在增强的ICM和TE图像上训练的AI模型实现了较高的平均AUC (0.741) 与在原始图像 (0.716) 上训练的模型相比.
• 增强的图像训练人工智能模型成功地提取了关键特征,包括ICM和TE,在99%的案例中.
• 原始的图像训练人工智能模型仅在86%的案例中专注于主要区域,这表明特征提取的精度较低.

结论:

• 增强的内细胞质量 (ICM) 和皮 (TE) 胚胎图像显著提高了AI模型在预测临床怀孕方面的性能.
• 用增强图像训练的人工智能模型表现出卓越的能力,能够识别出重要的胚胎特征,这些特征对于怀孕预测至关重要.
• 这些发现表明,结合增强的胚胎成像技术可以推进人工智能驱动的辅助生殖技术预测.