通过可解释的人工智能方法对抗传统形态分级的胚胎细胞选择:随机对照试验的研究协议
Shanshan Wang1, Lei Chen1, Guanqiao Shan2
1Center for Reproductive Medicine and Obstetrics and Gynecology, Nanjing Drum Tower Hospital, Affiliated Hospital of Medical School, Nanjing University, Nanjing, Jiangsu, China.
BMJ open
|July 11, 2025
概括
本研究介绍了一种可解释的人工智能 (AI) 方法,用于选择用于体外受精 (IVF) 的最佳胚胎. 目标是通过为胚胎学家提供透明的AI驱动的见解来提高试管婴儿成功率.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 胚胎学 胚胎学
背景情况:
- 胚胎质量对于体外受精 (IVF) 成功至关重要.
- 目前人类对囊胚细胞的评估是主观和不一致的.
- 现有的IVF人工智能方法缺乏解释性,引发了伦理方面的担忧.
研究的目的:
- 开发和评估一种新的,可解释的人工智能 (AI) 方法来进行胚胎细胞选.
- 提高人工智能在试管婴儿过程中的透明度和临床适用性.
- 通过更可靠的胚胎选择,改善体外受精 (IVF) 的结果.
主要方法:
- 一个单中心,单盲随机受控试验 (RCT) 涉及1100名妇女接受他们的第一个试管婴儿周期.
- 年龄在20-35岁的参与者,至少有两个可使用的母细胞囊,将被随机选择.
- 传统形态评估与新型可解释AI组之间的比较.
主要成果:
- 主要结局是怀孕12周正在进行的怀孕.
- 该研究旨在确定可解释的人工智能方法是否与传统方法相比提高了试管婴儿成功率.
- 数据收集和分析正在进行中.
结论:
- 已开发出一种可解释的AI方法,用于IVF中的胚胎细胞选择.
- 这种新的方法旨在解决主观人类评估和不透明的人工智能算法的局限性.
- 该RCT将提供关于这种透明AI工具在改善试管婴儿结果方面的临床有效性的关键数据.
