解码胚胎发育:临床变量对形态动力学和人工智能质量评分的影响

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:

• 胚胎质量对于成功的试管婴儿结果至关重要.
• 已知形态动力学事件 (MKS) 和患者参数会影响胚胎发育.
• 综合评估这些因素可以优化辅助生殖技术 (ART) 的成功率.

研究的目的:

• 调查MKS和患者参数是否会影响胚胎质量得分.
• 为了确定AI评估的胚胎质量和怀孕结果之间的关系.
• 探索形态动力学对性和临床结果的影响.

主要方法:

• 使用时间间隔人工智能系统 (CHLOE EQTM) 来对来自1355个周期的6024个胚胎进行回顾性分析.
• 评估患者的年龄,卵细胞来源 (自身与捐赠者) 和卵细胞状态 (新鲜与冷).
• 分析了23个MKS及其与胚胎质量评分和 ploidy 的相关性.

主要成果:

• 人工智能胚胎质量评分与扩张胚胎的时间有很强的相关性 (tEB; -0.816).
• 患者年龄增加,冷卵子和自身卵子与更长的tEB和更低的胚胎质量有关.
• 较高的胚胎质量得分显著增加了临床怀孕 (21.7%) 和持续怀孕/活产 (18.5%) 的几率.

结论:

• 人工智能可以准确评估胚胎质量,并帮助胚胎学家做出决策.
• 人工智能模型可以阐明临床因素对ART结果的影响.
• 与人工智能集成的形态动力学分析为胚胎潜力和患者特定因素提供了宝贵的见解.