Applicazione del Deep Learning per valutare congiuntamente lo sviluppo dell'embrione per migliorare l'esito della gravidanza del trasferimento dell'embrione
26 dicembre 2022 aggiornato da: The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Applicazione dell'automazione del deep learning basata sull'imaging time-lapse per valutare congiuntamente lo sviluppo dell'embrione per migliorare l'esito della gravidanza del trasferimento di una singola blastocisti
Lo scopo di questa ricerca è applicare l'automazione del deep learning basata sull'imaging time-lapse per valutare congiuntamente lo sviluppo dell'embrione ， in modo che possa garantire la coerenza della valutazione dell'embrione e migliorare l'accuratezza della valutazione.
Panoramica dello studio
Stato
Non ancora reclutamento
Condizioni
Descrizione dettagliata
Questo studio è uno studio prospettico osservazionale dopo un'analisi retrospettiva.
È uno studio monocentrico senza randomizzazione o cecità.
Nella fase iniziale, 1000 pazienti vengono raccolti da tre periodi di coltura dell'embrione attraverso Time-lapse per stabilire un sistema di valutazione congiunta automatizzato per l'intero processo di sviluppo dell'embrione.
Nella fase successiva, i pazienti sono divisi in due gruppi: gruppo di valutazione Time-Lapse imaging (TLI) + Intelligenza Artificiale (AI) e gruppo di valutazione morfologica.
100 pazienti con trapianto singolo di blastocisti al giorno 5 vengono eseguite per seguire l'esito della gravidanza.
Tipo di studio
Osservativo
Iscrizione (Anticipato)
100
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
Da 20 anni a 40 anni (Adulto)
Accetta volontari sani
No
Sessi ammissibili allo studio
Femmina
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
I pazienti hanno meno di 40 anni e necessitano di un intervento artificiale per avere figli
Descrizione
Criterio di inclusione:
- (1) Età < 40 anni; (2) cicli di fecondazione in vitro di routine; (3) Numero periodo ≤ 2; (4) Il numero di ovuli raccolti è 5-15; (5) BMI: 18-25 kg/m2, ormone follicolo-stimolante (FSH) ≤ 12 IU/L il terzo giorno; (6) Pazienti con più di 3 embrioni di alta qualità al giorno 3 ed eseguito trapianto di blastocisti singolo al giorno 5. (7) Paziente senza fattori endometriali.
Criteri di esclusione:
- (1) Il test genetico preimpianto (PGT) è necessario a causa dell'infertilità maschile, del ciclo di ovulazione e delle anomalie cromosomiche; (2) esistono malattie sistemiche di rilevanza clinica; (3) Le immagini di blastocisti non sono formate o disponibili; (4) La raccolta di immagini incompleta o poco chiara nelle fasi procariotiche, mitotiche e di blastocisti ha influenzato la valutazione dell'IA.
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Altro
- Prospettive temporali: Prospettiva
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Gruppo di valutazione TLI+AI
|
Una macchina che elabora le fotografie scattate automaticamente
|
|
Gruppo di valutazione morfologica
|
Riconoscimento manuale delle immagini
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
tasso di impianto
Lasso di tempo: 2022-2023
|
la probabilità di impianto riuscito dell'embrione nell'utero
|
2022-2023
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Anticipato)
30 dicembre 2022
Completamento primario (Anticipato)
15 dicembre 2023
Completamento dello studio (Anticipato)
15 giugno 2024
Date di iscrizione allo studio
Primo inviato
5 dicembre 2022
Primo inviato che soddisfa i criteri di controllo qualità
26 dicembre 2022
Primo Inserito (Stima)
4 gennaio 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Stima)
4 gennaio 2023
Ultimo aggiornamento inviato che soddisfa i criteri QC
26 dicembre 2022
Ultimo verificato
1 novembre 2022
Maggiori informazioni
Termini relativi a questo studio
Altri numeri di identificazione dello studio
- wangshanshan820
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Sì
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Riconoscimento automatico delle immagini
-
Università degli Studi di FerraraAalborg UniversityCompletatoComplicanze postoperatorie | Anestesia | Complicazione della ventilazione meccanicaItalia
-
Marcus MiguraMercy HealthCompletatoEmorragia | Lesione vascolareStati Uniti