Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

KÜNSTLICHE INTELLIGENZ IN DER REPRODUKTIONSMEDIZIN (AI in ART)

17. Januar 2023 aktualisiert von: Dr. Kamal Rageh, MD, Al Baraka Fertility Hospital

ANWENDUNGEN DER KÜNSTLICHEN INTELLIGENZ IN DER REPRODUKTIONSMEDIZIN

Es wurden viele Studien veröffentlicht, in denen die Verwendung von KI als unvoreingenommener, automatisierter Ansatz zur Beurteilung von Embryonen untersucht wurde. Diese Übersicht fasst die jüngsten KI-Fortschritte im IVF-Bereich zusammen. Hoffentlich kann die Integration von KI-Technologie in die IVF-Kliniken die nächste Grenze auf dem Weg zur personalisierten Reproduktionsmedizin und zu verbesserten Fruchtbarkeitsergebnissen für Patienten darstellen.

Studienübersicht

Detaillierte Beschreibung

ANWENDUNGEN DER KÜNSTLICHEN INTELLIGENZ (KI) IN DER REPRODUKTIONSMEDIZIN

Kamaleldin Abdullah Rageh, MD (1).

Mohammad Atef Behery, MD (2)

Elsayed Ali Farag, MD (1)

1 - Abteilung für Geburtshilfe und Gynäkologie, Medizinische Fakultät, Al-Azhar-Universität, Kairo, Ägypten.

2-Internationales Islamisches Zentrum für Bevölkerungsstudien und -forschung, Al-Azhar-Universität, Kairo, Ägypten.

Abstrakt:

Trotz Verbesserungen fast aller Aspekte der IVF: ovarielle Stimulation, Embryokultur und -transfer, sind die Schwangerschaftsraten immer noch nicht zufriedenstellend. Studien bestätigen, dass bis zu 50 % der durchgeführten IVF-Zyklen fehlschlagen, und es gibt möglicherweise keine direkte Erklärung dafür.

Und es ist erwähnenswert, dass die genaue Vorhersage des Ergebnisses eines IVF-Zyklus noch erreicht werden muss. Ein Grund dafür ist die Methode zur Auswahl eines Embryos für den Transfer. Die morphologische Beurteilung von Embryonen ist die traditionelle Methode zur Beurteilung der Embryoqualität und zur Auswahl des zu transferierenden Embryos. Diese subjektive Methode zur Bewertung von Embryonen führt jedoch zu einer Variabilität zwischen und innerhalb des Beobachters, was zu suboptimalen IVF-Erfolgsraten führt. Obwohl Zeitraffer-Inkubatoren und genetische Präimplantationstests für Aneuploidie eingeführt wurden, um die Wahrscheinlichkeit einer Lebendgeburt zu erhöhen, bleiben die Ergebnisse alles andere als ideal.

Derzeit verursachen Unfruchtbarkeitsbehandlungen viel finanziellen und emotionalen Stress, insbesondere bei Patienten mit zuvor fehlgeschlagenen IVF-Behandlungen, bei denen keine eindeutige Ursache zu identifizieren ist. Dies ist ein häufiger, herzzerreißender Endpunkt, wenn die emotionale, finanzielle und körperliche Belastung der Behandlung eskaliert finden weiterhin Antworten, aber KI-Systeme könnten helfen, das Dilemma zu lösen, indem sie die besten lebensfähigen Embryonen auswählen, die Menschen nicht herstellen können. KI-Technologien haben ein hervorragendes Potenzial, um dem Bereich der Unfruchtbarkeit dabei zu helfen, seinen derzeitigen engen Fokus auf einzelne Embryonen zu überwinden und neue Muster zu erkennen, die in den Patientendaten verborgen sind, um die vorherrschenden Fälle von Unfruchtbarkeit zu überwinden.

Die Auswahl der Embryonen ist der kritischste Faktor für den Erfolg der IVF. Es gibt jedoch kein einzelnes endgültiges Kriterium, das den Erfolg eines Embryos vorhersagen kann. Vielmehr basiert die Auswahl der Embryonen auf einer Vielzahl von Faktoren, was es schwierig macht, die Wahrscheinlichkeit einer erfolgreichen Schwangerschaft für jede Patientin vorherzusagen und die Ursache jedes Scheiterns vollständig zu verstehen. Daher kann der Einsatz künstlicher Intelligenz (KI) die Kliniker dabei unterstützen, diese Wissenslücke zu schließen, wodurch sie im Embryologielabor zur Verbesserung der IVF-Ergebnisse genutzt werden kann.

Studientyp

Beobachtungs

Einschreibung (Voraussichtlich)

10

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Cairo, Ägypten, 12358
        • Rekrutierung
        • Al-Azhar University
        • Kontakt:
      • Cairo, Ägypten, 15006
        • Rekrutierung
        • Kamal Eldin Abdalla Rageh
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

diese Leute, die für Fruchtbarkeitskliniken kommen

Beschreibung

Einschlusskriterien:

  • Fruchtbarkeit bezogen

Ausschlusskriterien:

  • fruchtbare Menschen

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Beobachtungsmodelle: Sonstiges
  • Zeitperspektiven: Sonstiges

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
ERFOLGSRATE
Zeitfenster: 4 MONATE
ANWENDUNGEN DER KÜNSTLICHEN INTELLIGENZ (KI) IN DER REPRODUKTIONSMEDIZIN
4 MONATE

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. November 2022

Primärer Abschluss (Voraussichtlich)

1. März 2023

Studienabschluss (Voraussichtlich)

1. April 2023

Studienanmeldedaten

Zuerst eingereicht

17. Januar 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

17. Januar 2023

Zuerst gepostet (Schätzen)

26. Januar 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Schätzen)

26. Januar 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

17. Januar 2023

Zuletzt verifiziert

1. Januar 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • Kamal-AI

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

Unentschieden

Beschreibung des IPD-Plans

werde darüber nachdenken

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Abonnieren