- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06762704
Évaluation d'un modèle d'intelligence artificielle pour la prédiction de la ploïdie des blastocystes humains sans procédures invasives
Un modèle d'intelligence artificielle non invasif pour la prédiction de la ploïdie des blastocystes humains : une étude de validation multicentrique, prospective et non randomisée
Le but de cet essai clinique est d'évaluer un modèle d'intelligence artificielle pour la prédiction de la ploïdie du blastocyste humain sans procédures invasives chez les couples soumis à des tests génétiques préimplantatoires. Les principales questions auxquelles elle vise à répondre sont :
- Un modèle d’intelligence artificielle est-il capable de prédire l’état de ploïdie d’un blastocyste humain à partir de sa morphologie 3D ?
- Les paramètres morphologiques 3D quantitatifs des cellules du trophectoderme et de la masse cellulaire interne ont-ils de fortes corrélations avec le statut de ploïdie des blastocystes humains ?
Des vidéos comprenant des images multi-vues de chaque blastocyste des participants seront collectées les jours 5 et 6 de la culture, et les résultats des tests génétiques préimplantatoires de ces blastocystes seront collectés 4 à 8 semaines après la biopsie du trophectoderme.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Arrière-plan:
Une étude pilote a été menée à l’hôpital affilié Nanjing Drum Tower de la faculté de médecine de l’université de Nanjing d’août 2023 à septembre 2024. Des vidéos et des résultats de tests génétiques préimplantatoires (PGT) de 144 blastocystes ont été collectés rétrospectivement. Le modèle d’intelligence artificielle (IA) a d’abord reconstruit la surface 3D des blastocystes à partir des vidéos, puis a mesuré leurs paramètres morphologiques 3D. Sur la base de ces paramètres, le modèle a prédit l'état de ploïdie des blastocystes et les résultats de la prédiction ont été comparés aux résultats du PGT. La sensibilité, la spécificité, l'exactitude et l'ASC de la prédiction étaient respectivement de 90,5 %, 91,3 %, 90,9 % et 0,946.
Conception de l'étude :
Il s'agit d'une étude multicentrique, prospective, non randomisée, sans aveugle et à groupe unique. Après avoir été informés de l'étude et des risques potentiels, tous les participants rédigeront les consentements éclairés. Des vidéos et des résultats PGT des blastocystes des jours 5/6 de chaque participant seront collectés. Les blastocystes seront classés comme euploïdes, mosaïques et aneuploïdes correspondant respectivement à <30 %, 30 à 80 % et > 80 % d'aneuploïdie. La culture d'embryons, la biopsie et le transfert suivront la procédure opératoire standard (SOP) en laboratoire. L'étude est non interventionnelle et les résultats ne seront pas utilisés pour prendre des décisions de traitement.
Taille de l'échantillon :
Nous prévoyons d'inscrire environ 1 408 blastocystes aux jours 5/6 dans cet essai sur la base d'une analyse de sensibilité et de spécificité d'un échantillon. La méta-analyse montre que la sensibilité et la spécificité des modèles d'IA existants sont de 73,4 % (3702/5047) et 69,6 % (4892/7028), et celles des méthodes de dépistage chromosomique non invasives sont de 80,3 % (678/844) et 73,3 % (908/1 238) pour la prédiction non invasive du statut de ploïdie des blastocystes. Cette étude est censée atteindre une sensibilité d'au moins 85 % et une spécificité d'au moins 80 % avec un niveau de signification de α = 0,05. Un total de 1 126 blastocystes sont nécessaires pour atteindre une puissance statistique de 0,9. En supposant un taux d'abandon d'environ 20 %, un total de 1 408 blastocystes devraient être inscrits. Ce calcul de la taille de l'échantillon est basé sur l'analyse de la puissance statistique et sera régulièrement revu/ajusté pendant la période d'essai pour garantir l'obtention d'une puissance statistique élevée.
Gestion des données :
Le système de saisie électronique des données (EDC) sera utilisé pour la collecte de données. Un coordinateur de recherche clinique sera affecté à chaque hôpital et sera responsable de l'enregistrement des vidéos et des données cliniques via le système EDC. Un associé principal de recherche clinique inspectera régulièrement les données du système EDC dans 5 hôpitaux. Le Comité de sécurité et de surveillance des données (DSMC) est chargé de superviser l’ensemble du processus de recherche et du système EDC. Pour les données incomplètes ou manquantes dans le système EDC, le DSMC contactera les enquêteurs pour obtenir des éclaircissements.
Analyse statistique :
L'analyse statistique sera effectuée à l'aide d'IBM SPSS Statistics 26. Les variables catégorielles seront décrites par nombre et pourcentage, et les variables numériques seront décrites par moyenne, écart type (SD) et plage. Le test du Chi carré sera effectué pour analyser les tendances des variables catégorielles, et le test t sera effectué pour comparer les variables numériques entre différents groupes. La corrélation de Pearson sera utilisée pour analyser la relation linéaire entre les variables numériques. Tous les tests statistiques sont bilatéraux. Les valeurs P <0,05 seront considérées comme statistiquement significatives et les rapports de cotes (OR) avec un intervalle de confiance (IC) à 95 % seront calculés. La régression logistique sera utilisée pour une analyse multivariée afin de calculer les rapports de cotes ajustés (aOR). Les performances de l'IA pour la prédiction de la ploïdie des blastocystes seront évaluées par sensibilité, spécificité, précision et AUC, avec un intervalle de confiance de 95 %.
Les données manquantes seront supprimées si la proportion d'échantillons avec des valeurs manquantes est très faible par rapport à la taille totale de l'échantillon. Sinon, le modèle de moyenne, maximum, minimum, moyen ou de régression sera utilisé pour imputer les valeurs manquantes. Les valeurs aberrantes seront traitées comme des données manquantes et traitées en conséquence.
Type d'étude
Inscription (Estimé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Shanshan Wang
- Numéro de téléphone: 13814549922
- E-mail: wss_19860820@sina.com
Sauvegarde des contacts de l'étude
- Nom: Haixiang Sun
- Numéro de téléphone: 13851622008
- E-mail: stevensunz@163.com
Lieux d'étude
-
-
Anhui
-
Hefei, Anhui, Chine, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Contact:
- Limin Wu
- Numéro de téléphone: 18963797080
- E-mail: wuliminmail@126.com
-
Contact:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Chine, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Contact:
- Shanshan Wang
- Numéro de téléphone: 13814549922
- E-mail: wss_19860820@sina.com
-
Contact:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Chine, 330046
- Jiangxi Maternal and Child Health Hospital
-
Contact:
- Yan Zhao
- Numéro de téléphone: 13807056599
- E-mail: zhaoyan1972009@163.com
-
Contact:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Chine, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Contact:
- Xiaohong Wang
-
Contact:
- Xiaohong Wang
- Numéro de téléphone: 13991262559
- E-mail: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Chine, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Contact:
- Yun Sun
-
Contact:
- Yun Sun
- Numéro de téléphone: 13601634278
- E-mail: syun163@163.com
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
Cette étude est un essai multicentrique qui sera mené dans cinq centres de médecine reproductive dans huit provinces (Jiangsu, Shanghai, Jiangxi, Shaanxi et Anhui) à travers la Chine. L'hôpital affilié de la tour du tambour de Nanjing à la faculté de médecine de l'université de Nanjing servira de centre d'investigation principal. L'hôpital Renji affilié à l'école de médecine de l'université Jiao Tong de Shanghai, l'hôpital de santé maternelle et infantile du Jiangxi, l'hôpital Tangdu de l'université de médecine militaire de l'armée de l'air et le premier hôpital affilié de l'USTC (hôpital provincial d'Anhui) serviront de centres d'enquête participants.
Des vidéos comprenant des images multi-vues de blastocystes humains seront collectées les jours 5 et 6 de la culture. Les résultats PGT-A de ces blastocystes seront collectés 4 à 8 semaines après la biopsie du trophectoderme. L'étude est non interventionnelle et les résultats ne seront pas utilisés pour prendre des décisions de traitement.
La description
Critères d'intégration :
- Âge maternel entre 20 et 40 ans ; âge paternel entre 20 et 55 ans.
- Cycles de tests génétiques préimplantatoires (PGT), y compris le PGT pour l'aneuploïdie, le PGT pour les troubles monogéniques (PGT-M) ou le PGT pour les anomalies chromosomiques structurelles (PGT-SR).
- Avoir au moins un blastocyste des jours 5/6 développé à partir d'un embryon à deux pronucléaires (2PN) adapté à la biopsie du trophectoderme (c'est-à-dire degré d'expansion : IV et au moins un grade meilleur que C pour le trophectoderme et le classement de la masse cellulaire interne).
- Couples avec consentement éclairé écrit.
Critères d'exclusion :
- Couples avec contre-indications à la FIV ou au DPI.
- Femmes dont tous les ovocytes ont été congelés après le prélèvement.
- Couples qui ne respectent pas le protocole de l'étude.
- Couples jugés inéligibles à l'inscription par l'investigateur en tenant compte du protocole d'étude et de la sécurité du traitement.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Sensibilité
Délai: À la fin des études, en moyenne 1 an
|
Sensibilité = TP/(TP+FN).
TP : nombre de résultats dans lesquels un blastocyste euploïde est correctement prédit comme étant une euploïdie.
FN : nombre de résultats dans lesquels un blastocyste euploïde est incorrectement prédit comme une aneuploïdie.
Une sensibilité élevée indique une forte capacité à prédire les blastocystes euploïdes.
|
À la fin des études, en moyenne 1 an
|
|
Spécificité
Délai: À la fin des études, en moyenne 1 an
|
Spécificité = TN/(TN+FP).
TN : nombre de résultats dans lesquels un blastocyste aneuploïde est correctement prédit comme une aneuploïdie.
FP : nombre de résultats dans lesquels un blastocyste aneuploïde est prédit à tort comme une euploïdie.
Une spécificité élevée indique une forte capacité à prédire les blastocystes aneuploïdes.
|
À la fin des études, en moyenne 1 an
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision
Délai: À la fin des études, en moyenne 1 an
|
La précision évalue le nombre de prédictions correctes de ploïdie des blastocystes sur le nombre total de prédictions
|
À la fin des études, en moyenne 1 an
|
|
AUC
Délai: À la fin des études, en moyenne 1 an
|
L'AUC est définie comme l'aire sous la courbe caractéristique de fonctionnement du récepteur, qui évalue les performances globales du modèle pour prédire la ploïdie des blastocystes, quel que soit le seuil de classification.
|
À la fin des études, en moyenne 1 an
|
Collaborateurs et enquêteurs
Collaborateurs
Les enquêteurs
- Chercheur principal: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Autres numéros d'identification d'étude
- 2024-739-02
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- SÈVE
- CIF
- ANALYTIC_CODE
- RSE
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
produit fabriqué et exporté des États-Unis.
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .