评估人工智能模型和手动形态动力学注释系统作为成功预测活产的胚胎分级方法:一项回顾性单心研究
Myrto-Sotiria Papamentzelopoulou1, Ilectra-Niki Prifti2, Despoina Mavrogianni3
1Molecular Biology Unit, Division of Human Reproduction, 1st Department of Obstetrics and Gynecology, National and Kapodistrian University of Athens, 80, Vasilissis Sofias Ave., Athens, 11528, Greece. mpntua@yahoo.gr.
Reproductive biology and endocrinology : RB&E
|March 5, 2024
概括
KIDScore (KID5) 在预测来自芽细胞胚胎阶段活产的效率高于iDAScore (iDA5). 将人工智能工具与形态评估相结合,可以优化胚胎移植的成功.
科学领域:
- 生殖医学 生殖医学
- 胚胎学 胚胎学
- 医疗保健中的人工智能
背景情况:
- 时间间隔监测系统 (TMS) 和预测算法有助于选择最佳胚胎进行移植.
- 精确的胚胎选择对于改善体外受精 (IVF) 成功率至关重要.
研究的目的:
- 评估KIDScore和iDAScore系统在胚胎胚囊期活产的预测效率.
- 为了比较两个人工智能驱动的胚胎评分系统的性能.
主要方法:
- 在10个月的91次试管婴儿/ICSI周期中,对429个胚胎进行了回顾性分析.
- 胚胎在Embryoscope+化器中进行化,并在第5天使用KIDScore和iDAScore进行得分.
- 对KID5和iDA5分数进行活产预测的比较.
主要成果:
- 高KID5和iDA5分数都与活产概率呈正相关.
- 与iDA5得分相比,KID5得分在预测成功的生殖结果方面显示出更高的效率.
- KID5显示了比iDA5.5更保守的活产预测.
结论:
- KIDScore 和 iDAScore 是用于胚胎评估的宝贵人工智能工具.
- 将这些人工智能工具与形态评估一起实施,可以优化胚胎移植策略.
- 人工智能驱动的胚胎选择有可能提高试管婴儿活产率.
