一项来自威尔康奈尔医学院的研究人员的研究表明,一种基于人工智能的新系统仅通过胚胎的延时视频图像和母亲年龄即可准确评估体外受精(IVF)胚胎的染色体状态。
新的系统被称为"贝尔拉"(BELA),并在一篇文中描述了该系统。纸张9月5日发表在《自然·通讯》上的这项研究是团队最新的基于人工智能的平台,用于评估胚胎是否有正常的(整倍体)或异常的(非整倍体)染色体数量——这是影响试管婴儿成功率的关键因素。与之前的基于人工智能的方法不同,BELA不需要考虑胚胎学家对胚胎的主观评估。因此,它提供了一个客观、可推广的测量标准,并且如果其在临床试验中的效用得到确认,在未来可能被广泛应用于胚胎学诊所,以提高试管婴儿过程的效率。
伊曼·哈贾拉苏利哈博士
“与之前的方法相比,这是一种完全自动化的更为客观的方法,它使用更多的图像数据可以产生更大的预测能力,”该研究的资深作者说道。伊曼·哈贾拉索利哈博士生理学和生物物理系副教授兼成员英德尔精密医学研究所在威尔康奈尔医学中心。
尼基卡·赞诺维克博士
该研究的第一作者是Suraj Rajendran,他是Hajirasouliha博士实验室的一名博士生。该研究的胚胎学工作由尼基察·赞诺维克博士,临床妇产科胚胎学副教授及胚胎学实验室主任的罗纳德·O·珀尔曼和克劳迪亚·科恩生殖医学中心(CRM) 在威尔康奈尔医学college和纽约长老会医院-威尔康奈尔医疗中心罗森瓦克斯博士,威尔康奈尔医学部生殖医学妇科和妇产科的Revlon杰出教授及CRM主任兼首席医师共同撰写了该研究。
罗森瓦克斯博士
胚胎学家通常通过显微镜检查来评估体外受精(IVF)胚胎的质量。如果胚胎看起来相对正常但存在可能存在问题的原因,例如高龄产妇的情况,他们可能会直接测试其染色体状态。最“金标准”的检测方法是一种有一定风险的类似活检的过程,称为非整倍体的植入前遗传学检测(PGT-A)。近年来,胚胎学家与计算机/人工智能专家合作,寻找自动化部分工作流程并改善结果的方法。在2022年的一项研究中,Hajirasouliha博士及其同事开发了一种基于AI的系统叫STORK-A该技术使用胚胎的一张微观图像,结合母亲的年龄和胚胎学家的评分,以大约70%的准确率预测胚胎的染色体倍性状态。
研究人员开发了BELA系统,以独立于胚胎学家评估的方式生成准确的染色体倍性预测。该系统的核心是一个机器学习模型,它分析在受精后大约五天的关键时间段内,在显微镜下拍摄的一个胚胎的九张延时视频图像,从而生成一个胚胎质量评分。然后,系统使用此评分和母亲年龄来预测胚胎是否为整倍体或非整倍体。
苏拉杰·拉杰恩ドラൻ
研究人员在一个去识别化的威尔康奈尔医学中心CRM数据集上训练了该模型,该数据集中包含近2000个胚胎及其PGT-A检测的染色体整倍性状态的图像序列。然后,他们使用新的威尔康奈尔医学中心CRM数据集以及来自佛罗里达和西班牙的大规模IVF诊所的数据集对该模型进行了测试。他们发现该模型预测染色体整倍性的准确性比之前的版本有所提高,并且在内部和外部数据集中都表现良好。
研究人员表示,下一步是通过他们目前正在计划的随机对照临床试验来前瞻性地测试BELA的预测能力。
“像BELA这样的AI模型可以将试管婴儿技术的可用性扩展到没有高端试管婴儿技术和PGT检测的地方,从而在全球范围内提高试管婴儿护理的公平性,”zaninovic博士说。
贝尔亚(BELA)被设置为处理每个胚胎大量图像数据的事实也使研究人员认为它不仅可以用于染色体倍性预测,还可以用于更多用途。
“我们希望该模型也能用于一般的胚胎质量评估,预测胚胎发育阶段以及其他能够满足生殖诊所自身需求的功能,”拉詹德拉恩说。
许多威尔康奈尔医学的医生和科学家与外部组织保持联系并进行合作,以促进科学创新并提供专业指导。该机构公开披露这些信息,以确保透明度。有关此信息,请参见个人资料页面。伊曼·哈贾拉苏利哈博士并且尼基察·扎宁诺维奇博士.
本文报道的研究部分得到了国立卫生研究院下属的国立综合医学科学研究所通过编号为R35GM138152的资助的支持。