- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06762704
Evaluering af en kunstig intelligensmodel til forudsigelse af human blastocystploidi uden invasive procedurer
En ikke-invasiv kunstig intelligensmodel til forudsigelse af human blastocyst ploidi: en multicenter, prospektiv, ikke-randomiseret valideringsundersøgelse
Målet med dette kliniske forsøg er at evaluere en kunstig intelligens-model til forudsigelse af human blastocyst ploidi uden invasive procedurer i par, der modtager præimplantation genetisk testning. De vigtigste spørgsmål, den sigter mod at besvare er:
- Er en kunstig intelligensmodel i stand til at forudsige ploiditetsstatus for en menneskelig blastocyst baseret på dens 3D-morfologi?
- Har kvantitative 3D morfologiske parametre for trophectoderm celler og indre cellemasse stærke korrelationer med human blastocyst ploidistatus?
Videoer, der inkluderer multi-view-billeder af hver blastocyst fra deltagerne, vil blive indsamlet på dag 5/6 af dyrkning, og præimplantations genetiske testresultater af disse blastocyster vil blive indsamlet 4-8 uger efter trophectoderm biopsi.
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Baggrund:
En pilotundersøgelse er blevet udført på The Affiliated Nanjing Drum Tower Hospital på Nanjing University Medical School fra august 2023 til september 2024. Videoer og præimplantations genetiske test (PGT) resultater fra 144 blastocyster blev indsamlet retrospektivt. Modellen med kunstig intelligens (AI) rekonstruerede først 3D-overfladen af blastocysterne ud fra videoerne og målte derefter deres 3D-morfologiske parametre. Baseret på disse parametre forudsagde modellen blastocysternes ploiditetsstatus, og forudsigelsesoutput blev sammenlignet med PGT-resultaterne. Forudsigelsessensitiviteten, specificiteten, nøjagtigheden og AUC var henholdsvis 90,5 %, 91,3 %, 90,9 % og 0,946.
Studiedesign:
Dette er en multicenter, prospektiv, ikke-randomiseret, ikke-blindet og enkeltgruppeundersøgelse. Efter at være blevet informeret om undersøgelsen og potentielle risici, vil alle deltagere skrive de informerede samtykker. Videoer og PGT-resultater fra dag 5/6 blastocyster fra hver deltager vil blive indsamlet. Blastocyster vil blive klassificeret som euploid, mosaik og aneuploid svarende til henholdsvis <30%, 30-80% og >80% aneuploidi. Embryokultur, biopsi og overførsel vil følge standardoperationsproceduren (SOP) i laboratoriet. Undersøgelsen er ikke-interventionel, og resultaterne vil ikke blive brugt til at træffe behandlingsbeslutninger.
Prøvestørrelse:
Vi planlægger at tilmelde ~1408 dag 5/6 blastocyster i dette forsøg baseret på en-prøve sensitivitets- og specificitetsanalyse. Meta-analyse viser, at sensitiviteten og specificiteten af de eksisterende AI-modeller er 73,4 % (3702/5047) og 69,6 % (4892/7028), og de for de ikke-invasive kromosomale screeningsmetoder er 80,3 % (678/844) og 73,3 % (908/1238) for ikke-invasivt forudsigelse af blastocystploidistatus. Denne undersøgelse formodes at opnå en sensitivitet på ikke mindre end 85 % og en specificitet på ikke mindre end 80 % med et signifikansniveau på α = 0,05. Der kræves i alt 1126 blastocyster for at opnå en statistisk styrke på 0,9. Forudsat en frafaldsrate på ~20 %, forventes i alt 1408 blastocyster at blive indskrevet. Denne stikprøvestørrelsesberegning er baseret på analysen af statistisk styrke og vil regelmæssigt blive revurderet/justeret i løbet af forsøgsperioden for at sikre, at der opnås en høj statistisk styrke.
Datahåndtering:
Det elektroniske datafangstsystem (EDC) vil blive brugt til dataindsamling. En klinisk forskningskoordinator vil blive tilknyttet på hvert hospital, og de er ansvarlige for at optage videoerne og de kliniske data via EDC-systemet. En senior klinisk forskningsmedarbejder vil regelmæssigt inspicere dataene i EDC-systemet blandt 5 hospitaler. Datasikkerheds- og overvågningsudvalget (DSMC) er ansvarlig for at føre tilsyn med hele forskningsprocessen og EDC-systemet. For ufuldstændige eller manglende data i EDC-systemet vil DSMC kontakte efterforskerne for at få afklaring.
Statistisk analyse:
Statistisk analyse vil blive udført ved hjælp af IBM SPSS Statistics 26. Kategoriske variable vil blive beskrevet ved antal og procent, og numeriske variable vil blive beskrevet ved middelværdi, standardafvigelse (SD) og interval. Chi-kvadrat-testen vil blive udført for at analysere tendenser i kategoriske variable, og t-testen vil blive udført for at sammenligne numeriske variable mellem forskellige grupper. Pearson-korrelation vil blive brugt til at analysere den lineære sammenhæng mellem numeriske variable. Alle statistiske test er to-halede. P-værdier på <0,05 vil blive betragtet som statistisk signifikante, og ulige forhold (OR'er) med 95% konfidensinterval (CI) vil blive beregnet. Logistisk regression vil blive brugt til multivariat analyse for at beregne de justerede ulige forhold (aOR'er). Ydeevnen af AI til forudsigelse af blastocystploidi vil blive evalueret ud fra sensitivitet, specificitet, nøjagtighed og AUC med 95 % konfidensinterval.
Manglende data vil blive fjernet, hvis andelen af prøver med manglende værdier er meget lille i forhold til den samlede stikprøvestørrelse. Ellers vil gennemsnits-, maksimum-, minimum-, medium- eller regressionsmodellen blive brugt til at imputere de manglende værdier. Outliers vil blive behandlet som de manglende data og behandlet i overensstemmelse hermed.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Shanshan Wang
- Telefonnummer: 13814549922
- E-mail: wss_19860820@sina.com
Undersøgelse Kontakt Backup
- Navn: Haixiang Sun
- Telefonnummer: 13851622008
- E-mail: stevensunz@163.com
Studiesteder
-
-
Anhui
-
Hefei, Anhui, Kina, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Kontakt:
- Limin Wu
- Telefonnummer: 18963797080
- E-mail: wuliminmail@126.com
-
Kontakt:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Kina, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Kontakt:
- Shanshan Wang
- Telefonnummer: 13814549922
- E-mail: wss_19860820@sina.com
-
Kontakt:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Kina, 330046
- Jiangxi Maternal and Child Health Hospital
-
Kontakt:
- Yan Zhao
- Telefonnummer: 13807056599
- E-mail: zhaoyan1972009@163.com
-
Kontakt:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Kina, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Kontakt:
- Xiaohong Wang
-
Kontakt:
- Xiaohong Wang
- Telefonnummer: 13991262559
- E-mail: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Kina, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Kontakt:
- Yun Sun
-
Kontakt:
- Yun Sun
- Telefonnummer: 13601634278
- E-mail: syun163@163.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Denne undersøgelse er et multicenterforsøg, som vil blive udført i fem reproduktionsmedicinske centre i otte provinser (Jiangsu, Shanghai, Jiangxi, Shaanxi og Anhui) i hele Kina. Det tilknyttede Nanjing Drum Tower Hospital ved Nanjing University Medical School vil fungere som det primære undersøgelsescenter. Renji Hospital, der er tilknyttet Shanghai Jiao Tong University School of Medicine, Jiangxi Maternal and Child Health Hospital, Tangdu Hospital of Air Force Military Medical University og The First Affiliated Hospital of USTC (Anhui Provincial Hospital) vil fungere som deltagernes undersøgelsescentre.
Videoer, der inkluderer multi-view billeder af menneskelige blastocyster, vil blive indsamlet på dag 5/6 af kulturen. PGT-A resultater af disse blastocyster vil blive indsamlet 4-8 uger efter trophectoderm biopsi. Undersøgelsen er ikke-interventionel, og resultaterne vil ikke blive brugt til at træffe behandlingsbeslutninger.
Beskrivelse
Inklusionskriterier:
- Moderens alder mellem 20 og 40; fædres alder mellem 20 og 55.
- Preimplantation genetisk testning (PGT) cyklusser, herunder PGT for aneuploidi, PGT for monogene lidelser (PGT-M) eller PGT for strukturel kromosomdefekt (PGT-SR).
- At have mindst én dag 5/6 blastocyst udviklet fra to-pronukleært (2PN) embryo, som er egnet til trophectoderm biopsi (dvs. ekspansionsgrad: IV, og mindst en grad bedre end C for trophectoderm og indre cellemasseklassificering).
- Par med skriftligt informeret samtykke.
Ekskluderingskriterier:
- Par med kontraindikationer for IVF eller PGT.
- Kvinder med alle oocytter frosset efter udtagning.
- Par, der undlader at følge undersøgelsesprotokollen.
- Par, der anses for uegnede til tilmelding af investigator i betragtning af undersøgelsesprotokol og behandlingssikkerhed.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhed
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Følsomhed = TP/(TP+FN).
TP: antal udfald, hvor en euploid blastocyst er korrekt forudsagt som euploidi.
FN: antal udfald, hvor en euploid blastocyst er forkert forudsagt som aneuploidi.
Høj følsomhed indikerer stærk evne til forudsigelse af euploide blastocyster.
|
Gennem studieafslutning i gennemsnit 1 år
|
|
Specificitet
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Specificitet = TN/(TN+FP).
TN: antal udfald, hvor en aneuploid blastocyst er korrekt forudsagt som aneuploidi.
FP: antal udfald, hvor en aneuploid blastocyst er forkert forudsagt som euploidi.
Høj specificitet indikerer stærk evne til forudsigelse af aneuploide blastocyster.
|
Gennem studieafslutning i gennemsnit 1 år
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
Nøjagtighed evaluerer antallet af korrekte forudsigelser af blastocystploidi over det samlede antal forudsigelser
|
Gennem studieafslutning i gennemsnit 1 år
|
|
AUC
Tidsramme: Gennem studieafslutning i gennemsnit 1 år
|
AUC er defineret som arealet under modtagerens driftskarakteristikkurve, som evaluerer den overordnede modelydelse til forudsigelse af blastocystploidi uanset klassifikationstærskel.
|
Gennem studieafslutning i gennemsnit 1 år
|
Samarbejdspartnere og efterforskere
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Publikationer og nyttige links
Generelle publikationer
- Alpha Scientists in Reproductive Medicine and ESHRE Special Interest Group of Embryology. The Istanbul consensus workshop on embryo assessment: proceedings of an expert meeting. Hum Reprod. 2011 Jun;26(6):1270-83. doi: 10.1093/humrep/der037. Epub 2011 Apr 18.
- Sciorio R, Dattilo M. PGT-A preimplantation genetic testing for aneuploidies and embryo selection in routine ART cycles: Time to step back? Clin Genet. 2020 Aug;98(2):107-115. doi: 10.1111/cge.13732. Epub 2020 Apr 6.
- Belandres D, Shamonki M, Arrach N. Current status of spent embryo media research for preimplantation genetic testing. J Assist Reprod Genet. 2019 May;36(5):819-826. doi: 10.1007/s10815-019-01437-6. Epub 2019 Mar 21.
- Munne S, Kaplan B, Frattarelli JL, Child T, Nakhuda G, Shamma FN, Silverberg K, Kalista T, Handyside AH, Katz-Jaffe M, Wells D, Gordon T, Stock-Myer S, Willman S; STAR Study Group. Preimplantation genetic testing for aneuploidy versus morphology as selection criteria for single frozen-thawed embryo transfer in good-prognosis patients: a multicenter randomized clinical trial. Fertil Steril. 2019 Dec;112(6):1071-1079.e7. doi: 10.1016/j.fertnstert.2019.07.1346. Epub 2019 Sep 21.
- Scott RT Jr, Ferry K, Su J, Tao X, Scott K, Treff NR. Comprehensive chromosome screening is highly predictive of the reproductive potential of human embryos: a prospective, blinded, nonselection study. Fertil Steril. 2012 Apr;97(4):870-5. doi: 10.1016/j.fertnstert.2012.01.104. Epub 2012 Feb 2.
- Wang L, Wang X, Liu Y, Ou X, Li M, Chen L, Shao X, Quan S, Duan J, He W, Shen H, Sun L, Yu Y, Cram DS, Leigh D, Yao Y. IVF embryo choices and pregnancy outcomes. Prenat Diagn. 2021 Dec;41(13):1709-1717. doi: 10.1002/pd.6042. Epub 2021 Oct 14.
- Kushnir VA, Frattarelli JL. Aneuploidy in abortuses following IVF and ICSI. J Assist Reprod Genet. 2009 Mar;26(2-3):93-7. doi: 10.1007/s10815-009-9292-z. Epub 2009 Feb 18.
- Kim JW, Lee WS, Yoon TK, Seok HH, Cho JH, Kim YS, Lyu SW, Shim SH. Chromosomal abnormalities in spontaneous abortion after assisted reproductive treatment. BMC Med Genet. 2010 Nov 3;11:153. doi: 10.1186/1471-2350-11-153.
- Rosenwaks Z, Handyside AH, Fiorentino F, Gleicher N, Paulson RJ, Schattman GL, Scott RT Jr, Summers MC, Treff NR, Xu K. The pros and cons of preimplantation genetic testing for aneuploidy: clinical and laboratory perspectives. Fertil Steril. 2018 Aug;110(3):353-361. doi: 10.1016/j.fertnstert.2018.06.002. No abstract available.
- Cinnioglu C, Glessner H, Jordan A, Bunshaft S. A systematic review of noninvasive preimplantation genetic testing for aneuploidy. Fertil Steril. 2023 Aug;120(2):235-239. doi: 10.1016/j.fertnstert.2023.06.013. Epub 2023 Jun 24.
- Ozgur K, Berkkanoglu M, Bulut H, Yoruk GDA, Candurmaz NN, Coetzee K. Single best euploid versus single best unknown-ploidy blastocyst frozen embryo transfers: a randomized controlled trial. J Assist Reprod Genet. 2019 Apr;36(4):629-636. doi: 10.1007/s10815-018-01399-1. Epub 2019 Jan 7.
- Tiegs AW, Tao X, Zhan Y, Whitehead C, Kim J, Hanson B, Osman E, Kim TJ, Patounakis G, Gutmann J, Castelbaum A, Seli E, Jalas C, Scott RT Jr. A multicenter, prospective, blinded, nonselection study evaluating the predictive value of an aneuploid diagnosis using a targeted next-generation sequencing-based preimplantation genetic testing for aneuploidy assay and impact of biopsy. Fertil Steril. 2021 Mar;115(3):627-637. doi: 10.1016/j.fertnstert.2020.07.052. Epub 2020 Aug 28.
- Chavez-Badiola A, Flores-Saiffe-Farias A, Mendizabal-Ruiz G, Drakeley AJ, Cohen J. Embryo Ranking Intelligent Classification Algorithm (ERICA): artificial intelligence clinical assistant predicting embryo ploidy and implantation. Reprod Biomed Online. 2020 Oct;41(4):585-593. doi: 10.1016/j.rbmo.2020.07.003. Epub 2020 Jul 5.
- Diakiw SM, Hall JMM, VerMilyea MD, Amin J, Aizpurua J, Giardini L, Briones YG, Lim AYX, Dakka MA, Nguyen TV, Perugini D, Perugini M. Development of an artificial intelligence model for predicting the likelihood of human embryo euploidy based on blastocyst images from multiple imaging systems during IVF. Hum Reprod. 2022 Jul 30;37(8):1746-1759. doi: 10.1093/humrep/deac131.
- Barnes J, Brendel M, Gao VR, Rajendran S, Kim J, Li Q, Malmsten JE, Sierra JT, Zisimopoulos P, Sigaras A, Khosravi P, Meseguer M, Zhan Q, Rosenwaks Z, Elemento O, Zaninovic N, Hajirasouliha I. A non-invasive artificial intelligence approach for the prediction of human blastocyst ploidy: a retrospective model development and validation study. Lancet Digit Health. 2023 Jan;5(1):e28-e40. doi: 10.1016/S2589-7500(22)00213-8.
- Danardono GB, Handayani N, Louis CM, Polim AA, Sirait B, Periastiningrum G, Afadlal S, Boediono A, Sini I. Embryo ploidy status classification through computer-assisted morphology assessment. AJOG Glob Rep. 2023 May 18;3(3):100209. doi: 10.1016/j.xagr.2023.100209. eCollection 2023 Aug.
- Jiang VS, Bormann CL. Noninvasive genetic screening: current advances in artificial intelligence for embryo ploidy prediction. Fertil Steril. 2023 Aug;120(2):228-234. doi: 10.1016/j.fertnstert.2023.06.025. Epub 2023 Jun 30.
- Lee CI, Su YR, Chen CH, Chang TA, Kuo EE, Zheng WL, Hsieh WT, Huang CC, Lee MS, Liu M. End-to-end deep learning for recognition of ploidy status using time-lapse videos. J Assist Reprod Genet. 2021 Jul;38(7):1655-1663. doi: 10.1007/s10815-021-02228-8. Epub 2021 May 22.
- Huang B, Tan W, Li Z, Jin L. An artificial intelligence model (euploid prediction algorithm) can predict embryo ploidy status based on time-lapse data. Reprod Biol Endocrinol. 2021 Dec 13;19(1):185. doi: 10.1186/s12958-021-00864-4.
- Jiang VS, Kandula H, Thirumalaraju P, Kanakasabapathy MK, Cherouveim P, Souter I, Dimitriadis I, Bormann CL, Shafiee H. The use of voting ensembles to improve the accuracy of deep neural networks as a non-invasive method to predict embryo ploidy status. J Assist Reprod Genet. 2023 Feb;40(2):301-308. doi: 10.1007/s10815-022-02707-6. Epub 2023 Jan 14.
- Paya E, Pulgarin C, Bori L, Colomer A, Naranjo V, Meseguer M. Deep learning system for classification of ploidy status using time-lapse videos. F S Sci. 2023 Aug;4(3):211-218. doi: 10.1016/j.xfss.2023.06.002. Epub 2023 Jun 30.
- Shan G, Dai C, Liu H, Wang X, Dou W, Zhang Z, Sun Y. 3D Morphology Measurement for Blastocyst Evaluation From "All Angles". IEEE Trans Biomed Eng. 2023 Jun;70(6):1921-1930. doi: 10.1109/TBME.2022.3232068. Epub 2023 May 19.
- Shan G, Abdalla K, Liu H, Dai C, Tan J, Law J, Steinberg C, Li A, Kuznyetsova I, Zhang Z, Librach C, Sun Y. Non-invasively predicting euploidy in human blastocysts via quantitative 3D morphology measurement: a retrospective cohort study. Reprod Biol Endocrinol. 2024 Oct 28;22(1):132. doi: 10.1186/s12958-024-01302-x.
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
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 (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- 2024-739-02
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
IPD-delingsadgangskriterier
IPD-deling Understøttende informationstype
- STUDY_PROTOCOL
- SAP
- ICF
- ANALYTIC_CODE
- CSR
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
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 .