Tekoälymallin arviointi ihmisen blastokystiploidian ennustamiseksi ilman invasiivisia toimenpiteitä
Ei-invasiivinen tekoälymalli ihmisen blastokystaploidian ennustamiseen: monikeskus, tuleva, ei-satunnaistettu validointitutkimus
Tämän kliinisen tutkimuksen tavoitteena on arvioida tekoälymallia ihmisen blastokystaploidian ennustamiseksi ilman invasiivisia toimenpiteitä pariskunnille, jotka saavat preimplantaatiogeenitestauksen. Tärkeimmät kysymykset, joihin se pyrkii vastaamaan, ovat:
- Pystyykö tekoälymalli ennustamaan ihmisen blastokystin ploidisuustilan sen 3D-morfologian perusteella?
- Onko trofektodermisolujen ja sisäisen solumassan kvantitatiivisilla 3D-morfologisilla parametreillä vahvaa korrelaatiota ihmisen blastokystien ploidiatilan kanssa?
Videot, jotka sisältävät usean näkymän kuvia osallistujilta kustakin blastokystistä, kerätään viljelypäivänä 5/6, ja näiden blastokystien preimplantaatiogeenitestien tulokset kerätään 4-8 viikkoa trofektodermibiopsian jälkeen.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Tausta:
Pilottitutkimus on suoritettu Nanjingin yliopiston lääketieteellisen koulun Nanjing Drum Tower Hospital -sairaalassa elokuusta 2023 syyskuuhun 2024. Videot ja preimplantaatiogeenitestien (PGT) tulokset kerättiin takautuvasti 144 blastokystasta. Tekoälymalli (AI) rekonstruoi ensin videoista blastokystien 3D-pinnan ja mittasi sitten niiden 3D-morfologiset parametrit. Näiden parametrien perusteella malli ennusti blastokystien ploidisuustilan, ja ennusteen tuloksia verrattiin PGT-tuloksiin. Ennusteen herkkyys, spesifisyys, tarkkuus ja AUC olivat vastaavasti 90,5 %, 91,3 %, 90,9 % ja 0,946.
Opintojen suunnittelu:
Tämä on monikeskustutkimus, prospektiivinen, ei-satunnaistettu, ei sokkoutettu ja yhden ryhmän tutkimus. Kun kaikki osallistujat ovat saaneet tietoa tutkimuksesta ja mahdollisista riskeistä, he kirjoittavat tietoon perustuvat suostumukset. Jokaiselta osallistujalta kerätään videot ja PGT-tulokset päivän 5/6 blastokystistä. Blastokystat luokitellaan euploideiksi, mosaiikkisiksi ja aneuploideiksi, jotka vastaavat < 30 %, 30-80 % ja > 80 % aneuploidia. Alkion viljely, biopsia ja siirto noudattavat laboratoriossa normaalia toimintamenettelyä (SOP). Tutkimus on ei-interventio, eikä sen tuloksia käytetä hoitopäätösten tekemiseen.
Näytteen koko:
Aiomme rekisteröidä tähän tutkimukseen ~1408 päivän 5/6 blastokystaa yhden näytteen herkkyys- ja spesifisyysanalyysin perusteella. Meta-analyysi osoittaa, että olemassa olevien tekoälymallien herkkyys ja spesifisyys ovat 73,4 % (3702/5047) ja 69,6 % (4892/7028) ja ei-invasiivisten kromosomiseulontamenetelmien 80,3 % (678/844) ja 73,3 % (908/1238) ei-invasiiviselle ennustamiselle blastokystiploidian tila. Tämän tutkimuksen oletetaan saavuttavan vähintään 85 %:n herkkyys ja vähintään 80 %:n spesifisyyden merkitsevyystasolla a = 0,05. Tilastollisen tehon 0,9 saavuttamiseksi tarvitaan yhteensä 1126 blastokystaa. Olettaen, että keskeyttämisaste on ~20 %, yhteensä 1408 blastokysta odotetaan ilmoittautuvan. Tämä otoskoon laskenta perustuu tilastollisen tehon analyysiin, ja sitä tarkastellaan/sopeutetaan säännöllisesti kokeilujakson aikana korkean tilastollisen tehon saavuttamiseksi.
Tietojen hallinta:
Tiedonkeruussa käytetään sähköistä tiedonkeruujärjestelmää (EDC). Jokaiseen sairaalaan nimetään kliinisen tutkimuksen koordinaattori, joka vastaa videoiden ja kliinisen datan tallentamisesta EDC-järjestelmän kautta. Vanhempi kliininen tutkija tarkastaa EDC-järjestelmän tiedot säännöllisesti viiden sairaalan kesken. Tietoturva- ja seurantakomitea (DSMC) vastaa koko tutkimusprosessin ja EDC-järjestelmän valvonnasta. EDC-järjestelmän epätäydellisistä tai puuttuvista tiedoista DSMC ottaa yhteyttä tutkijoihin selvityksen saamiseksi.
Tilastollinen analyysi:
Tilastollinen analyysi suoritetaan käyttämällä IBM SPSS Statistics 26:ta. Kategoriset muuttujat kuvataan lukumäärällä ja prosentteina, ja numeeriset muuttujat kuvataan keskiarvon, keskihajonnan (SD) ja vaihteluvälin avulla. Chi-neliötestillä analysoidaan kategoristen muuttujien trendejä, ja t-testillä verrataan numeerisia muuttujia eri ryhmien välillä. Pearson-korrelaatiota käytetään analysoimaan numeeristen muuttujien välistä lineaarista suhdetta. Kaikki tilastolliset testit ovat kaksisuuntaisia. P-arvoja <0,05 pidetään tilastollisesti merkitsevänä, ja parittomat suhteet (OR) lasketaan 95 %:n luottamusvälillä (CI). Logistista regressiota käytetään monimuuttuja-analyysissä mukautettujen parittomien suhteiden (aORs) laskemiseen. AI:n suorituskykyä blastokystien ploidian ennustamisessa arvioidaan herkkyyden, spesifisyyden, tarkkuuden ja AUC:n perusteella 95 %:n luottamusvälillä.
Puuttuvat tiedot poistetaan, jos niiden näytteiden osuus, joista puuttuu arvo, on hyvin pieni suhteessa otoskokoon. Muussa tapauksessa puuttuvien arvojen laskemiseen käytetään keskiarvo-, maksimi-, minimi-, keskiarvo- tai regressiomallia. Poikkeavia tietoja käsitellään puuttuvina tietoina ja käsitellään vastaavasti.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Shanshan Wang
- Puhelinnumero: 13814549922
- Sähköposti: wss_19860820@sina.com
Tutki yhteystietojen varmuuskopiointi
- Nimi: Haixiang Sun
- Puhelinnumero: 13851622008
- Sähköposti: stevensunz@163.com
Opiskelupaikat
-
-
Anhui
-
Hefei, Anhui, Kiina, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Ottaa yhteyttä:
- Limin Wu
- Puhelinnumero: 18963797080
- Sähköposti: wuliminmail@126.com
-
Ottaa yhteyttä:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Kiina, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Ottaa yhteyttä:
- Shanshan Wang
- Puhelinnumero: 13814549922
- Sähköposti: wss_19860820@sina.com
-
Ottaa yhteyttä:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Kiina, 330046
- Jiangxi Maternal and Child Health Hospital
-
Ottaa yhteyttä:
- Yan Zhao
- Puhelinnumero: 13807056599
- Sähköposti: zhaoyan1972009@163.com
-
Ottaa yhteyttä:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Kiina, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Ottaa yhteyttä:
- Xiaohong Wang
-
Ottaa yhteyttä:
- Xiaohong Wang
- Puhelinnumero: 13991262559
- Sähköposti: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Kiina, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Ottaa yhteyttä:
- Yun Sun
-
Ottaa yhteyttä:
- Yun Sun
- Puhelinnumero: 13601634278
- Sähköposti: syun163@163.com
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Tämä tutkimus on monikeskustutkimus, joka suoritetaan viidessä lisääntymislääketieteen keskuksessa kahdeksassa maakunnassa (Jiangsu, Shanghai, Jiangxi, Shaanxi ja Anhui) eri puolilla Kiinaa. Nanjingin yliopiston lääketieteellisen koulun Nanjing Drum Tower -sairaala toimii ensisijaisena tutkimuskeskuksena. Renji-sairaala, joka on sidoksissa Shanghai Jiao Tong -yliopiston lääketieteelliseen korkeakouluun, Jiangxin äitiys- ja lapsisairaala, Tangdu-sairaala ilmavoimien sotilaslääketieteen yliopistossa ja USTC:n ensimmäinen sidossairaala (Anhuin maakuntasairaala) toimivat osallistujatutkimuskeskuksina.
Videoita, jotka sisältävät usean näkymän kuvia ihmisen blastokysteistä, kerätään viljelypäivänä 5/6. Näiden blastokystien PGT-A-tulokset kerätään 4-8 viikkoa trofektodermibiopsian jälkeen. Tutkimus on ei-interventio, eikä sen tuloksia käytetä hoitopäätösten tekemiseen.
Kuvaus
Sisällön kriteerit:
- Äidin ikä välillä 20-40; isän ikä 20 ja 55 välillä.
- Preimplantaatiogeneettiset testaussyklit (PGT), mukaan lukien PGT aneuploidia varten, PGT monogeenisten häiriöiden (PGT-M) tai PGT rakenteellisten kromosomivaurioiden (PGT-SR) osalta.
- Ainakin yksi päivän 5/6 blastokysta, joka on kehitetty kaksipronukleaarisesta (2PN) alkiosta, joka soveltuu trofektodermibiopsiaan (eli laajenemisaste: IV ja vähintään arvo parempi kuin C trofektodermi- ja sisäsolumassaluokittelussa).
- Pariskunnat, joilla on kirjallinen tietoinen suostumus.
Poissulkemiskriteerit:
- Pariskunnat, joilla on vasta-aiheita IVF- tai PGT-hoitoon.
- Naiset, joiden kaikki munasolut ovat jäätyneet talteenoton jälkeen.
- Parit, jotka eivät noudata tutkimusprotokollaa.
- Parit, jotka tutkija ei katsonut kelpaamattomiksi ilmoittautumiseen tutkimusprotokollan ja hoidon turvallisuuden vuoksi.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Herkkyys
Aikaikkuna: Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Herkkyys = TP/(TP+FN).
TP: niiden tulosten määrä, joissa euploidinen blastokysta ennustetaan oikein euploidiseksi.
FN: niiden tulosten määrä, joissa euploidinen blastokysta ennustetaan virheellisesti aneuploidiaksi.
Korkea herkkyys osoittaa vahvaa kykyä ennustaa euploidisia blastokystoja.
|
Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
|
Spesifisyys
Aikaikkuna: Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Spesifisyys = TN/(TN+FP).
TN: niiden tulosten lukumäärä, joissa aneuploidinen blastokysta on oikein ennustettu aneuploidiseksi.
FP: niiden tulosten määrä, joissa aneuploidinen blastokysta ennustetaan väärin euploidiseksi.
Korkea spesifisyys osoittaa vahvaa kykyä ennustaa aneuploidisia blastokystoja.
|
Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tarkkuus
Aikaikkuna: Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Tarkkuus arvioi blastokystiploidian oikeiden ennusteiden määrän ennusteiden kokonaismäärästä
|
Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
|
AUC
Aikaikkuna: Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
AUC määritellään vastaanottimen toimintakäyrän alla olevaksi alueeksi, joka arvioi mallin kokonaissuorituskyvyn blastokystien ploidian ennustamiseksi luokittelukynnyksestä riippumatta.
|
Opintojen suorittamisen kautta keskimäärin 1 vuosi
|
Yhteistyökumppanit ja tutkijat
Yhteistyökumppanit
Tutkijat
- Päätutkija: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- 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.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muut tutkimustunnusnumerot
- 2024-739-02
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
IPD-suunnitelman kuvaus
IPD-jaon aikakehys
IPD-jaon käyttöoikeuskriteerit
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
- ICF
- ANALYTIC_CODE
- CSR
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Yhdysvalloissa valmistettu ja sieltä viety tuote
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .