- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT05699850
KUNSTIG INTELLIGENS I REPRODUKTIV MEDICIN (AI in ART)
ANVENDELSE AF KUNSTIG INTELLIGENS I REPRODUKTIV MEDICIN
Studieoversigt
Status
Intervention / Behandling
Detaljeret beskrivelse
ANVENDELSE AF KUNSTIG INTELLIGENS (AI) I REPRODUKTIV MEDICIN
Kamaleldin Abdullah Rageh, M.D. (1).
Mohammad Atef Behery, M.D. (2)
Elsayed Ali Farag, M.D. (1)
1 - Institut for Obstetrik og Gynækologi, Det medicinske Fakultet, Al-Azhar Universitetet, Kairo, Egypten.
2-Internationalt Islamisk Center for Befolkningsstudier og Forskning, Al-Azhar Universitet, Kairo, Egypten.
Abstrakt:
På trods af forbedret næsten alle aspekter af IVF: ovariestimulering, embryokultur og overførsel, er graviditetsraterne stadig ikke tilfredsstillende. Undersøgelser bekræfter, at op til 50 % af de udførte IVF-cyklusser mislykkes, og der er muligvis ingen direkte forklaring på dette.
Og det er værd at nævne, at nøjagtigt at forudsige resultatet af en IVF-cyklus endnu ikke er opnået. En grund til dette er metoden til at vælge et embryo til overførsel. Morfologisk vurdering af embryoner er den traditionelle metode til at evaluere embryokvalitet og vælge hvilket embryo der skal overføres. Imidlertid fører denne subjektive metode til vurdering af embryoner til inter- og intra-observatør-variabilitet, hvilket resulterer i mindre end optimale IVF-succesrater. Selvom time-lapse inkubatorer og præimplantations genetisk testning for aneuploidi er blevet introduceret for at hjælpe med at øge chancerne for levende fødsel, forbliver resultaterne mindre end ideelle.
I øjeblikket udøver infertilitetsbehandlinger meget økonomisk og følelsesmæssig stress, især hos patienter med tidligere mislykkede IVF-behandlinger, hvor der ikke er nogen klar årsag, der skal identificeres, er et almindeligt, hjerteskærende endepunkt, når den følelsesmæssige, økonomiske og fysiske byrde af behandlingen eskalerer til fortsætte med at finde svar, men AI-systemer kan hjælpe med at løse dilemmaet ved at vælge de bedste levedygtige embryoner, som mennesker ikke kan gøre. AI-teknologier har fremragende potentiale til at hjælpe infertilitetsfeltet med at svæve over dets nuværende snævre fokus på individuelle embryoner og opdage nye mønstre skjult i patientdataene for at overvinde de fremherskende infertilitetstilfælde.
Udvælgelsen af embryoner er den mest kritiske faktor for IVF's succes. Der er dog ikke et enkelt endeligt kriterium, der kan forudsige et embryos succes. Snarere er embryoselektion baseret på en række faktorer, hvilket gør det vanskeligt at forudsige sandsynligheden for en vellykket graviditet for hver patient og fuldt ud at forstå årsagen til hver svigt. Så brug af kunstig intelligens (AI) kan støtte klinikerne i at udfylde dette videnshul og derved blive udnyttet i embryologilaboratoriet til at hjælpe med at forbedre IVF-resultater.
Undersøgelsestype
Tilmelding (Forventet)
Kontakter og lokationer
Studiesteder
-
-
-
Cairo, Egypten, 12358
- Rekruttering
- Al-Azhar University
-
Kontakt:
- Dr. Mohammed Atef, M.D.
- Telefonnummer: 00201006206040
- E-mail: kimovip2000@yahoo.com
-
Cairo, Egypten, 15006
- Rekruttering
- Kamal Eldin Abdalla Rageh
-
Kontakt:
- Kamal Eldin A Rageh
- Telefonnummer: 0097333153871
- E-mail: dr_kamal_rageh@yahoo.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- fertilitetsrelateret
Ekskluderingskriterier:
- frugtbare mennesker
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
- Observationsmodeller: Andet
- Tidsperspektiver: Andet
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
SUCCESRATE
Tidsramme: 4 MÅNEDER
|
ANVENDELSE AF KUNSTIG INTELLIGENS (AI) I REPRODUKTIV MEDICIN
|
4 MÅNEDER
|
Samarbejdspartnere og efterforskere
Sponsor
Samarbejdspartnere
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Forventet)
Studieafslutning (Forventet)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Skøn)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Skøn)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- Kamal-AI
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .