- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06762704
Evaluación de un modelo de inteligencia artificial para la predicción de la ploidía de blastocistos humanos sin procedimientos invasivos
Un modelo de inteligencia artificial no invasivo para la predicción de la ploidía de blastocistos humanos: un estudio de validación multicéntrico, prospectivo y no aleatorizado
El objetivo de este ensayo clínico es evaluar un modelo de inteligencia artificial para la predicción de la ploidía de blastocistos humanos sin procedimientos invasivos en parejas que reciben pruebas genéticas preimplantacionales. Las principales preguntas que pretende responder son:
- ¿Es un modelo de inteligencia artificial capaz de predecir el estado de ploidía de un blastocisto humano basándose en su morfología 3D?
- ¿Los parámetros morfológicos cuantitativos en 3D de las células del trofectodermo y la masa celular interna tienen fuertes correlaciones con el estado de ploidía del blastocisto humano?
Se recopilarán videos que incluyen imágenes de vistas múltiples de cada blastocisto de los participantes el día 5/6 del cultivo, y los resultados de las pruebas genéticas previas a la implantación de estos blastocistos se recopilarán de 4 a 8 semanas después de la biopsia del trofectodermo.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
Fondo:
Se llevó a cabo un estudio piloto en el Hospital afiliado Nanjing Drum Tower de la Facultad de Medicina de la Universidad de Nanjing desde agosto de 2023 hasta septiembre de 2024. Se recopilaron retrospectivamente vídeos y resultados de pruebas genéticas previas a la implantación (PGT) de 144 blastocistos. El modelo de inteligencia artificial (IA) primero reconstruyó la superficie 3D de los blastocistos a partir de los vídeos y luego midió sus parámetros morfológicos 3D. Con base en estos parámetros, el modelo predijo el estado de ploidía de los blastocistos y los resultados de la predicción se compararon con los resultados del PGT. La sensibilidad, especificidad, precisión y AUC de la predicción fueron del 90,5%, 91,3%, 90,9% y 0,946, respectivamente.
Diseño del estudio:
Se trata de un estudio multicéntrico, prospectivo, no aleatorizado, no ciego y de un solo grupo. Después de ser informados sobre el estudio y los riesgos potenciales, todos los participantes redactarán los consentimientos informados. Se recopilarán videos y resultados de PGT de los blastocistos del día 5/6 de cada participante. Los blastocistos se clasificarán como euploides, mosaicos y aneuploides correspondientes a <30%, 30-80% y >80% de aneuploidía, respectivamente. El cultivo, la biopsia y la transferencia de embriones seguirán el procedimiento operativo estándar (POE) en el laboratorio. El estudio no es intervencionista y los resultados no se utilizarán para tomar decisiones de tratamiento.
Tamaño de la muestra:
Planeamos inscribir ~1408 blastocistos de día 5/6 en este ensayo según el análisis de sensibilidad y especificidad de una muestra. El metanálisis muestra que la sensibilidad y especificidad de los modelos de IA existentes son del 73,4% (3702/5047) y del 69,6% (4892/7028), y las de los métodos de cribado cromosómico no invasivos son del 80,3% (678/844) y 73,3% (908/1238) para predecir de forma no invasiva el estado de ploidía del blastocisto. Se supone que este estudio logra una sensibilidad de no menos del 85% y una especificidad de no menos del 80% con un nivel de significancia de α = 0,05. Se necesitan un total de 1126 blastocistos para alcanzar una potencia estadística de 0,9. Suponiendo una tasa de abandono de ~20%, se prevé que se inscriban un total de 1408 blastocistos. Este cálculo del tamaño de la muestra se basa en el análisis del poder estadístico y se revisará/ajustará periódicamente durante el período de prueba para garantizar que se logre un alto poder estadístico.
Gestión de datos:
Para la recopilación de datos se utilizará el sistema de captura electrónica de datos (EDC). Se asignará un coordinador de investigación clínica en cada hospital, quien será responsable de registrar los videos y datos clínicos a través del sistema EDC. Un asociado senior de investigación clínica inspeccionará periódicamente los datos del sistema EDC en 5 hospitales. El Comité de Monitoreo y Seguridad de Datos (DSMC) es responsable de supervisar todo el proceso de investigación y el sistema EDC. Para datos incompletos o faltantes en el sistema EDC, el DSMC se comunicará con los investigadores para obtener aclaraciones.
Análisis estadístico:
El análisis estadístico se realizará utilizando IBM SPSS Statistics 26. Las variables categóricas se describirán mediante número y porcentaje, y las variables numéricas se describirán mediante media, desviación estándar (DE) y rango. Se realizará la prueba de Chi-cuadrado para analizar tendencias en variables categóricas y se realizará la prueba t para comparar variables numéricas entre diferentes grupos. La correlación de Pearson se utilizará para analizar la relación lineal entre variables numéricas. Todas las pruebas estadísticas son de dos colas. Los valores de p <0,05 se considerarán estadísticamente significativos y se calcularán los odds ratios (OR) con un intervalo de confianza (IC) del 95%. La regresión logística se utilizará para el análisis multivariado para calcular los odds ratios ajustados (aOR). El rendimiento de la IA para la predicción de la ploidía de blastocistos se evaluará mediante sensibilidad, especificidad, precisión y AUC, con un intervalo de confianza del 95%.
Los datos faltantes se eliminarán si la proporción de muestras con valores faltantes es muy pequeña en relación con el tamaño total de la muestra. En caso contrario, se utilizará el modelo promedio, máximo, mínimo, medio o de regresión para imputar los valores faltantes. Los valores atípicos se tratarán como datos faltantes y se abordarán en consecuencia.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Shanshan Wang
- Número de teléfono: 13814549922
- Correo electrónico: wss_19860820@sina.com
Copia de seguridad de contactos de estudio
- Nombre: Haixiang Sun
- Número de teléfono: 13851622008
- Correo electrónico: stevensunz@163.com
Ubicaciones de estudio
-
-
Anhui
-
Hefei, Anhui, Porcelana, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Contacto:
- Limin Wu
- Número de teléfono: 18963797080
- Correo electrónico: wuliminmail@126.com
-
Contacto:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Porcelana, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Contacto:
- Shanshan Wang
- Número de teléfono: 13814549922
- Correo electrónico: wss_19860820@sina.com
-
Contacto:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Porcelana, 330046
- Jiangxi Maternal and Child Health Hospital
-
Contacto:
- Yan Zhao
- Número de teléfono: 13807056599
- Correo electrónico: zhaoyan1972009@163.com
-
Contacto:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Porcelana, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Contacto:
- Xiaohong Wang
-
Contacto:
- Xiaohong Wang
- Número de teléfono: 13991262559
- Correo electrónico: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Porcelana, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Contacto:
- Yun Sun
-
Contacto:
- Yun Sun
- Número de teléfono: 13601634278
- Correo electrónico: syun163@163.com
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Este estudio es un ensayo multicéntrico que se llevará a cabo en cinco centros de medicina reproductiva en ocho provincias (Jiangsu, Shanghai, Jiangxi, Shaanxi y Anhui) de China. El Hospital Nanjing Drum Tower afiliado a la Facultad de Medicina de la Universidad de Nanjing servirá como centro de investigación principal. El Hospital Renji afiliado a la Facultad de Medicina de la Universidad Jiao Tong de Shanghai, el Hospital de Salud Materno Infantil de Jiangxi, el Hospital Tangdu de la Universidad Médica Militar de la Fuerza Aérea y el Primer Hospital Afiliado de la USTC (Hospital Provincial de Anhui) actuarán como centros de investigación participantes.
Los días 5/6 del cultivo se recopilarán vídeos que incluyan imágenes de múltiples vistas de blastocistos humanos. Los resultados del PGT-A de estos blastocistos se recopilarán entre 4 y 8 semanas después de la biopsia del trofectodermo. El estudio no es intervencionista y los resultados no se utilizarán para tomar decisiones de tratamiento.
Descripción
Criterios de inclusión:
- Edad materna entre 20 y 40 años; Edad paterna entre 20 y 55 años.
- Ciclos de pruebas genéticas previas a la implantación (PGT), que incluyen PGT para aneuploidía, PGT para trastornos monogénicos (PGT-M) o PGT para defecto cromosómico estructural (PGT-SR).
- Tener al menos un blastocisto de día 5/6 desarrollado a partir de un embrión de dos pronucleares (2PN) que sea adecuado para la biopsia de trofectodermo (es decir, grado de expansión: IV, y al menos un grado mejor que C para trofectodermo y clasificación de masa celular interna).
- Parejas con consentimiento informado por escrito.
Criterios de exclusión:
- Parejas con contraindicaciones para FIV o PGT.
- Mujeres con todos los ovocitos congelados después de la recuperación.
- Parejas que no siguen el protocolo del estudio.
- Parejas consideradas no elegibles para la inscripción por el investigador teniendo en cuenta el protocolo del estudio y la seguridad del tratamiento.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensibilidad
Periodo de tiempo: Hasta la finalización del estudio, un promedio de 1 año.
|
Sensibilidad = TP/(TP+FN).
TP: número de resultados en los que un blastocisto euploide se predice correctamente como euploidía.
FN: número de resultados en los que un blastocisto euploide se predice incorrectamente como aneuploidía.
Una alta sensibilidad indica una gran capacidad para la predicción de blastocistos euploides.
|
Hasta la finalización del estudio, un promedio de 1 año.
|
|
Especificidad
Periodo de tiempo: Hasta la finalización del estudio, un promedio de 1 año.
|
Especificidad = TN/(TN+FP).
TN: número de resultados en los que un blastocisto aneuploide se predice correctamente como aneuploidía.
FP: número de resultados en los que un blastocisto aneuploide se predice incorrectamente como euploidía.
Una alta especificidad indica una gran capacidad para la predicción de blastocistos aneuploides.
|
Hasta la finalización del estudio, un promedio de 1 año.
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Exactitud
Periodo de tiempo: Hasta la finalización del estudio, un promedio de 1 año.
|
La precisión evalúa el número de predicciones correctas de ploidía de blastocistos sobre el número total de predicciones.
|
Hasta la finalización del estudio, un promedio de 1 año.
|
|
AUC
Periodo de tiempo: Hasta la finalización del estudio, un promedio de 1 año.
|
El AUC se define como el área bajo la curva característica operativa del receptor, que evalúa el rendimiento general del modelo para predecir la ploidía de blastocistos independientemente del umbral de clasificación.
|
Hasta la finalización del estudio, un promedio de 1 año.
|
Colaboradores e Investigadores
Colaboradores
Investigadores
- Investigador principal: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Publicaciones y enlaces útiles
Publicaciones Generales
- 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.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- 2024-739-02
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Marco de tiempo para compartir IPD
Criterios de acceso compartido de IPD
Tipo de información de apoyo para compartir IPD
- PROTOCOLO DE ESTUDIO
- SAVIA
- CIF
- CÓDIGO_ANALÍTICO
- RSC
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
producto fabricado y exportado desde los EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .