Endometrie-receptivitetsforudsigelse under in vitro-fertilisering ved hjælp af kunstig intelligens-analyse af vaginale ultralydsbilleder
Vi planlægger at bruge kunstig intelligens til at analysere vaginale ultralydsbilleder af livmoderslimhinden (endometrium) taget under rutinemæssig IVF-behandling, som vi antager kan forudsige implantationssucces under IVF-behandling.
Deltagelse i undersøgelsen er frivillig, indebærer ingen yderligere test eller indgreb ud over rutineprocedurer, og samtykke kan trækkes tilbage mundtligt eller skriftligt til enhver tid uden årsag eller uønskede konsekvenser.
Over en treårig periode forventes forsøget at inkludere cirka 1.500 patienter mellem 18 og 40 år, som er indiceret til IVF-behandling, og som melder sig frivilligt til behandling.
Patienter, der er indskrevet i undersøgelsen, vil ikke være forpligtet til at deltage i flere klinikbesøg under behandlingen, end de ellers ville være nødt til. Under forsøget visse patientspecifikke data (alder, indikation for behandling, body mass index), stimulationsspecifikke data (stimuleringsvarighed, type og dosis af lægemiddel, endometrietykkelse), ultralydsscanninger og resultatspecifikke data (behandlingssvigt , biokemisk graviditet, klinisk graviditet) vil blive indsamlet. Dataene vil blive gemt i en sikker database. De data, der indsamles under undersøgelsen, vil kun være tilgængelige for de professionelle, der er involveret i undersøgelsen, og ingen oplysninger, herunder personlige data, vil blive videregivet til tredjeparter.
Studieoversigt
Status
Betingelser
Detaljeret beskrivelse
Infertilitet påvirker en ud af seks mennesker globalt i løbet af deres reproduktive liv. For en vellykket IVF-behandling er der brug for tre væsentlige ting: et euploid embryo, modtageligt endometrium og i tilfælde af frosne embryoner, det nøjagtige tidspunkt for overførslen. Adskillige metoder er tilgængelige til evaluering af embryoner, såsom: mikroskopisk evaluering (f.eks. Gardner-grad), genetiske tests (PGT), biokemiske tests (ikke-invasiv PGT). Desuden er morfologisk og morfokinetisk evaluering mulig ved hjælp af time-lapse videoovervågningssystemer, der evalueres ved hjælp af kunstig intelligens. Den mest almindelige metode til at teste endometriets modtagelighed er bestemmelse af den største diameter målt i det midterste sagittale plan. En tykkelse mellem 7 og 10 mm betragtes som grænseværdien for vellykket implantation. Yderligere undersøgelser blev udført på niveauet af serum og endometrieprogesteron, volumen, ekkogenicitet, peristaltikken af endometriet, flowforholdene i det og implantationens succes. Den prædiktive værdi af hysteroskopi, 3D ultralyd og ultralydselastografis rolle til at forudsige graviditetsudfald er blevet undersøgt. Ovennævnte tests for endometrie-receptivitet har ikke været udbredt i praksis, og der findes i dag ingen metode til at forudsige endometrie-receptivitet i daglig praksis.
Efterhånden som kvaliteten af billeddannelsen er blevet forbedret, er fokus flyttet til at analysere mønsteret af endometrium, den seneste forskning ved hjælp af kunstig intelligens.
Formålet med vores undersøgelse er at undersøge, om segmentering og analyse af endometriet ved hjælp af kunstig intelligens i vaginale ultralydsbilleder taget under stimulering og på overførselsdagen kan hjælpe til mere præcist at bestemme endometriets modtagelighed. Betydningen af dette er, at vi i tilfælde af dårlige implantationschancer i de seneste cyklusser kan beslutte at nedfryse embryoet(erne) og få mulighed for at implantere embryonet i en efterfølgende naturlig eller hormonerstatningsbehandlingscyklus, muligvis med bedre chancer.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Marton Jozsef Kolossvary
- Telefonnummer: +36301789227
- E-mail: marton.kolossvary@gokvi.hu
Studiesteder
-
-
-
Budapest, Ungarn, 1205
- Rekruttering
- Dunamenti REK Reprodukcios Kozpont
-
Kontakt:
- Gabor Spanik
- Telefonnummer: +36702478175
- E-mail: spanik.gabor@dunamentirek.hu
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
A. kvindelig patient 18-40 år, for hvem IVF er indiceret, B. maksimalt 3 mislykkede tidligere embryooverførsler, C. kun cyklusser, hvor enkelt blastocyst overføres.
Ekskluderingskriterier:
A. medfødte uterine anomalier, fibromer, adenomyose, Asherman-syndrom eller andre tilstande, der resulterer i misdannelse af livmoderen, B. tilstedeværelse af hydrosalpinx, C. endometriose, D. planlagt fryse-alle cyklus, E. positiv hepatitis B, hepatitis C eller HIV-screeningstest
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Klinisk graviditet
Tidsramme: Datoen for ultralyds bekræftet klinisk graviditet planlagt til 28 dage efter embryooverførsel
|
Klinisk graviditet: graviditet kan bekræftes gennem ultralydsvisualisering af svangerskabssækken eller hjerteslag
|
Datoen for ultralyds bekræftet klinisk graviditet planlagt til 28 dage efter embryooverførsel
|
Samarbejdspartnere og efterforskere
Samarbejdspartnere
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Anslået)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- endoAI
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
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 .