提高临床实用性:基于深度学习的胚胎评分模型,用于非侵入性形积分症预测
Bing-Xin Ma1, Guang-Nian Zhao2,3, Zhi-Fei Yi1
1Reproductive Medicine Center, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430030, China.
Reproductive biology and endocrinology : RB&E
|May 22, 2024
概括
一个由人工智能驱动的深度学习算法,智能数据分析 (iDA) 评分,在预测胚胎 ploidy 非侵入性方面显示出希望. 这可能会提供一种更容易获得的替代品,而不是传统的植入前遗传检测形瘤 (PGT-A).
科学领域:
- 生殖生物学 生殖生物学
- 医学中的人工智能
- 遗传学 是一个遗传学.
背景情况:
- 前植入基因检测 (PGT-A) 是有效的,但资源密集型.
- 需要更容易获得的,非侵入性的方法来评估胚胎化.
- 人工智能驱动的图像分析为客观的胚胎评估提供了潜力.
研究的目的:
- 评估基于人工智能的深度学习算法的临床适用性,用于预测胚胎.
- 评估智能数据分析 (iDA) 评分在识别euploid胚胎中的性能.
主要方法:
- 从979个时间缩短 (TL) -PGT周期中对3448个活检的胚胎囊进行了回顾性分析.
- 应用iDA评分,一个深度学习算法,为胚胎囊分配分数 (1.0-9.9).
- 多变量逻辑回归分析,包括临床和胚胎特征.
主要成果:
- 在具有不同 ploidy 的胚胎囊之间观察到 iDA 评分的显著差异.
- 较高的iDA分数与euploidy有很强的相关性 (p < 0.001).
- 仅 iDA 评分就实现了0.612 的曲线下面积 (AUC) 预测euploidy,与其他因素相结合时增加到0.688.
结论:
- 该iDA评分显示了作为一个非侵入性,成本效益高的工具,胚胎 ploidy 评估的潜力.
- 这种人工智能驱动的方法可能有利于那些无法接受或负担不起传统PGT-A的患者.
- 胚胎化预测的准确性仍然取决于确认的下一代测序 (NGS) 分析.
