Искусственный интеллект оптимизирует отбор эмбрионов для ЭКО

Искусственный интеллект оптимизирует отбор эмбрионов для ЭКО

1200 800 Суррогатное Материнство в России и мире

Команда, состоящая из эмбриологов, клиницистов по репродуктивной медицине, IT специалистов и специалистов в области точной медицины, обучили искусственный интеллект алгоритму, помогающему отличать плохое качество эмбрионов от хорошего.

Новый подход искусственного интеллекта, разработанный исследователями Weill Cornell Medicine, может с большой степенью точности определить, имеет ли 5-дневный оплодотворенный эмбрион человека in vitro высокий потенциал для успешной беременности. Методика, которая анализирует покадровые изображения эмбрионов на ранней стадии, может улучшить показатель успешности экстракорпорального оплодотворения (ЭКО) и минимизировать риск многоплодной беременности. По оценкам, бесплодие затрагивает около 8 процентов женщин детородного возраста. В то время как ЭКО помогло миллионам родить, средний показатель успеха в Соединенных Штатах составляет приблизительно 45 процентов.

За время исследования ученые использовали 12 000 фотографий человеческих эмбрионов, сделанных ровно через 110 часов после оплодотворения, чтобы обучить искусственный интеллект алгоритму, позволяющему различать плохое и хорошее качество эмбрионов. Чтобы получить этот эффект, каждому эмбриону сначала присваивали оценку эмбриологи, которые рассматривали различные аспекты внешнего вида эмбриона. Затем исследователи выполнили статистический анализ, чтобы сопоставить степень зародыша с вероятностью успешного исхода беременности. Эмбрионы считались хорошего качества, если шансы были выше 58 процентов, и плохого качества, если шансы были ниже 35 процентов. После обучения и проверки алгоритм, получивший название Stork, смог классифицировать качество нового набора изображений с точностью до 97 процентов.

«Внедряя новые технологии в области ЭКО, мы можем автоматизировать и стандартизировать процесс, который до сих пор зависел от субъективного человеческого фактора. Эта новаторская работа дает нам представление о том, как эта область может выглядеть в будущем», – сказал д-р Зев Розенвокс (Zev Rosenwaks), директор и главный врач Центра репродуктивной медицины им. Рональда О. Перельмана и Клаудии Коэн (Ronald O. Perelman and Claudia Cohen) при медицинском колледже Weill Cornell Medicine и пресвитерианской больнице NewYork-Presbyterian.

Выбор зародыша с наилучшими шансами на здоровую беременность в настоящее время является субъективным процессом. Даже среди опытных эмбриологов нет единого мнения о том, как предсказать жизнеспособность отдельного эмбриона на основании его появления на стадии бластоцисты, которая состоит всего из 200-300 клеток. «Мы хотели разработать объективный метод, который можно было бы использовать для стандартизации и оптимизации процесса отбора, чтобы увеличить показатели успешности ЭКО», – говорит д-р Никица Занинович (Nikica Zaninovic), соавтор работы и директор лаборатории эмбриологии в Центре репродуктивной медицины. В Weill Cornell Medicine исследователи потратили более шести месяцев на изучение около 50 000 анонимных изображений, представляющих 10 148 эмбрионов человека, собранных с помощью покадровой фотографии за семь лет. С присвоенной эмбриологом оценкой и ретроспективным знанием исхода беременности исследователи могли классифицировать эмбрионы как хорошие, удовлетворительные или плохого качества. В конечном счете, они использовали два набора из 6000 изображений, хорошего или плохого качества, чтобы научить искусственный интеллект, как классифицировать новые изображения, представленные ему.

«Насколько нам известно, это первый случай, когда кто-либо применил алгоритм глубокого изучения такого большого количества изображений эмбриона человека», – говорит доктор Пегах Хосрави (Pegah Khosravi), ведущий автор исследования, который имеет ученую степень в области вычислительной биомедицины.  Глубокое обучение – это подход искусственного интеллекта, который смоделирован на основе нейронных сетей мозга, анализирующих информацию по возрастающей сложности. Когда компьютер получает новую информацию, его способность распознавать нужные шаблоны, будь то признаки здорового эмбриона или клетки, содержащие опухоль рака легких, автоматически улучшается. Размер набора обучающих данных критически важен для успеха алгоритма, с большим количеством данных, приводящих к лучшим результатам.

«Наш алгоритм поможет эмбриологам максимально увеличить вероятность того, что их пациенты будут иметь единственную здоровую беременность», – сказал д-р Оливер Элементо (Olivier Elemento), директор Института точной медицины имени Кэрил и Израиля Энгландера (Caryl and Israel Englander) при колледже Weill Cornell Medicine. «Процедура ЭКО останется прежней, но мы сможем улучшить результаты, используя возможности искусственного интеллекта». В то время как Stork может выбирать эмбрионы хорошего качества с высокой степенью точности, предыдущие исследования показали, что только 80 процентов успешности беременности зависят от качества эмбрионов. В частности, материнский возраст связан с уменьшением частоты успешной имплантации эмбриона в матку.

Специалисты по фертильности часто имплантируют несколько эмбрионов, чтобы максимизировать шансы на одно успешное рождение, но этот процесс неточен и может привести к многоплодной беременности, что сопряжено со своими рисками, такими как низкий вес при рождении, преждевременные роды и осложнения у матери. Таким образом, исследователи разработали другой вычислительный подход, который может учитывать возраст матери и качество нескольких эмбрионов, чтобы определить наилучшую комбинацию для достижения одного живорождения. «Мы пытаемся адаптировать процесс для каждого пациента, потому что не все пациенты одинаковы», – сказал д-р Занинович. «Мы хотим объединить персонализированную медицину с точной медициной, чтобы получить лучший результат».

Используя клинические данные для 2182 эмбрионов, исследователи создали алгоритм решений для оценки успешной беременности, используя комбинацию качества эмбриона и возраста пациента, как наиболее важной клинической переменной. Они также предоставили анализ вероятности с целью оптимизации отбора эмбрионов и максимизации вероятности одиночной беременности. Stork в настоящее время является инструментом исследования, и ученые планируют включить дополнительные клинические и технические параметры для улучшения алгоритма. «Очень важно собрать команду, в которую войдут IT специалисты, специалисты в области точной медицины, эмбриологи и клиницисты», – сказал доктор Иман Хаджирасулиха (Iman Hajirasouliha), соавтор, профессор вычислительной геномики и член Института точной медицины им. Энгландера., «Для того, чтобы решить эту задачу, нам нужна сильная команда с широким кругозором».

 

Изображение: FreePic

По материалам Weill Cornell Medicine

Форум
Форум SURROGACY.RU
Реклама
Европейский Центр Суррогатного Материнства
Реклама
Росюрконсалтинг
Реклама
Европейский Медицинский Центр EMC