- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06762704
Valutazione di un modello di intelligenza artificiale per la previsione della ploidia della blastocisti umana senza procedure invasive
Un modello di intelligenza artificiale non invasivo per la previsione della ploidia della blastocisti umana: uno studio di validazione multicentrico, prospettico, non randomizzato
L'obiettivo di questo studio clinico è valutare un modello di intelligenza artificiale per la previsione della ploidia della blastocisti umana senza procedure invasive nelle coppie che ricevono test genetici preimpianto. Le principali domande a cui si propone di rispondere sono:
- Un modello di intelligenza artificiale è in grado di prevedere lo stato di ploidia di una blastocisti umana in base alla sua morfologia 3D?
- I parametri morfologici quantitativi 3D delle cellule del trofettoderma e della massa cellulare interna hanno forti correlazioni con lo stato di ploidia della blastocisti umana?
I video che includono immagini multi-visione di ciascuna blastocisti dei partecipanti verranno raccolti il giorno 5/6 della coltura e i risultati dei test genetici preimpianto di queste blastocisti verranno raccolti 4-8 settimane dopo la biopsia del trofettoderma.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Sfondo:
Uno studio pilota è stato condotto presso l’ospedale affiliato Nanjing Drum Tower della Nanjing University Medical School da agosto 2023 a settembre 2024. I video e i risultati dei test genetici preimpianto (PGT) di 144 blastocisti sono stati raccolti retrospettivamente. Il modello di intelligenza artificiale (AI) ha prima ricostruito la superficie 3D delle blastocisti dai video, quindi ne ha misurato i parametri morfologici 3D. Sulla base di questi parametri, il modello ha previsto lo stato di ploidia delle blastocisti e i risultati della previsione sono stati confrontati con i risultati del PGT. La sensibilità, la specificità, l'accuratezza e l'AUC della previsione erano rispettivamente del 90,5%, 91,3%, 90,9% e 0,946.
Progettazione dello studio:
Questo è uno studio multicentrico, prospettico, non randomizzato, non in cieco e a gruppo singolo. Dopo essere stati informati sullo studio e sui potenziali rischi, tutti i partecipanti scriveranno i consensi informati. Verranno raccolti video e risultati PGT delle blastocisti del giorno 5/6 di ciascun partecipante. Le blastocisti saranno classificate come euploidi, a mosaico e aneuploidi corrispondenti rispettivamente a <30%, 30-80% e >80% di aneuploidia. La coltura dell'embrione, la biopsia e il trasferimento seguiranno la procedura operativa standard (SOP) in laboratorio. Lo studio non è interventistico e i risultati non verranno utilizzati per prendere decisioni sul trattamento.
Dimensione del campione:
Abbiamo in programma di arruolare circa 1408 blastocisti del giorno 5/6 in questo studio sulla base dell'analisi di sensibilità e specificità di un campione. La meta-analisi mostra che la sensibilità e la specificità dei modelli AI esistenti sono del 73,4% (3702/5047) e del 69,6% (4892/7028), e quelle dei metodi di screening cromosomico non invasivo sono dell'80,3% (678/844) e 73,3% (908/1238) per la previsione non invasiva dello stato di ploidia della blastocisti. Si presume che questo studio raggiunga una sensibilità non inferiore all'85% e una specificità non inferiore all'80% con un livello di significatività di α = 0,05. Per ottenere una potenza statistica di 0,9 sono necessarie un totale di 1126 blastocisti. Supponendo un tasso di abbandono di circa il 20%, si prevede che verranno arruolate un totale di 1408 blastocisti. Questo calcolo della dimensione del campione si basa sull'analisi del potere statistico e verrà regolarmente rivisitato/adattato durante il periodo di prova per garantire il raggiungimento di un elevato potere statistico.
Gestione dei dati:
Per la raccolta dei dati verrà utilizzato il sistema di acquisizione elettronica dei dati (EDC). In ciascun ospedale verrà assegnato un coordinatore della ricerca clinica, responsabile della registrazione dei video e dei dati clinici tramite il sistema EDC. Un associato senior di ricerca clinica ispezionerà regolarmente i dati nel sistema EDC in 5 ospedali. Il Comitato per la sicurezza e il monitoraggio dei dati (DSMC) è responsabile della supervisione dell'intero processo di ricerca e del sistema EDC. Per dati incompleti o mancanti nel sistema EDC, il DSMC contatterà gli investigatori per chiarimenti.
Analisi statistica:
L'analisi statistica sarà condotta utilizzando IBM SPSS Statistics 26. Le variabili categoriche saranno descritte da numero e percentuale, mentre le variabili numeriche saranno descritte da media, deviazione standard (SD) e intervallo. Verrà eseguito il test Chi quadrato per analizzare le tendenze nelle variabili categoriali e il test t per confrontare variabili numeriche tra diversi gruppi. La correlazione di Pearson verrà utilizzata per analizzare la relazione lineare tra variabili numeriche. Tutti i test statistici sono a due code. I valori P <0,05 saranno considerati statisticamente significativi e verranno calcolati i rapporti dispari (OR) con intervallo di confidenza (CI) al 95%. La regressione logistica verrà utilizzata per l'analisi multivariata per calcolare i rapporti dispari corretti (aOR). Le prestazioni dell'IA per la previsione della ploidia delle blastocisti saranno valutate in base a sensibilità, specificità, accuratezza e AUC, con intervallo di confidenza del 95%.
I dati mancanti verranno rimossi se la percentuale di campioni con valori mancanti è molto piccola rispetto alla dimensione totale del campione. Altrimenti, per imputare i valori mancanti verrà utilizzato il modello medio, massimo, minimo, medio o di regressione. I valori anomali verranno trattati come dati mancanti e affrontati di conseguenza.
Tipo di studio
Iscrizione (Stimato)
Contatti e Sedi
Contatto studio
- Nome: Shanshan Wang
- Numero di telefono: 13814549922
- Email: wss_19860820@sina.com
Backup dei contatti dello studio
- Nome: Haixiang Sun
- Numero di telefono: 13851622008
- Email: stevensunz@163.com
Luoghi di studio
-
-
Anhui
-
Hefei, Anhui, Cina, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Contatto:
- Limin Wu
- Numero di telefono: 18963797080
- Email: wuliminmail@126.com
-
Contatto:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Cina, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Contatto:
- Shanshan Wang
- Numero di telefono: 13814549922
- Email: wss_19860820@sina.com
-
Contatto:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Cina, 330046
- Jiangxi Maternal and Child Health Hospital
-
Contatto:
- Yan Zhao
- Numero di telefono: 13807056599
- Email: zhaoyan1972009@163.com
-
Contatto:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Cina, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Contatto:
- Xiaohong Wang
-
Contatto:
- Xiaohong Wang
- Numero di telefono: 13991262559
- Email: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Cina, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Contatto:
- Yun Sun
-
Contatto:
- Yun Sun
- Numero di telefono: 13601634278
- Email: syun163@163.com
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Questo studio è uno studio multicentrico che sarà condotto in cinque centri di medicina riproduttiva in otto province (Jiangsu, Shanghai, Jiangxi, Shaanxi e Anhui) in tutta la Cina. L'ospedale affiliato Nanjing Drum Tower della Nanjing University Medical School fungerà da centro di ricerca principale. L'Ospedale Renji affiliato alla Scuola di Medicina dell'Università Jiao Tong di Shanghai, l'Ospedale per la salute materna e infantile di Jiangxi, l'Ospedale Tangdu dell'Università di Medicina Militare Militare e il Primo Ospedale affiliato dell'USTC (Ospedale provinciale di Anhui) fungeranno da centri di indagine dei partecipanti.
I video che includono immagini multivista di blastocisti umane verranno raccolti il giorno 5/6 della coltura. I risultati PGT-A di queste blastocisti verranno raccolti 4-8 settimane dopo la biopsia del trofettoderma. Lo studio non è interventistico e i risultati non verranno utilizzati per prendere decisioni sul trattamento.
Descrizione
Criteri di inclusione:
- Età materna compresa tra 20 e 40 anni; età paterna compresa tra 20 e 55 anni.
- Cicli di test genetici preimpianto (PGT), inclusi PGT per aneuploidia, PGT per disturbi monogenici (PGT-M) o PGT per difetto cromosomico strutturale (PGT-SR).
- Avere almeno una blastocisti al giorno 5/6 sviluppata da un embrione bipronucleare (2PN) adatto per la biopsia del trofettoderma (ovvero grado di espansione: IV e almeno un grado migliore di C per il trofettoderma e la classificazione della massa cellulare interna).
- Coppie con consenso informato scritto.
Criteri di esclusione:
- Coppie con controindicazioni alla fecondazione in vitro o PGT.
- Donne con tutti gli ovociti congelati dopo il prelievo.
- Coppie che non rispettano il protocollo dello studio.
- Coppie ritenute non idonee all'arruolamento dallo sperimentatore in considerazione del protocollo di studio e della sicurezza del trattamento.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sensibilità
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Sensibilità = TP/(TP+FN).
TP: numero di risultati in cui una blastocisti euploide viene correttamente prevista come euploidia.
FN: numero di risultati in cui una blastocisti euploide viene erroneamente prevista come aneuploidia.
L'elevata sensibilità indica una forte capacità di predire le blastocisti euploidi.
|
Fino al completamento degli studi, in media 1 anno
|
|
Specificità
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
Specificità = TN/(TN+FP).
TN: numero di risultati in cui una blastocisti aneuploide viene correttamente prevista come aneuploidia.
FP: numero di risultati in cui una blastocisti aneuploide viene erroneamente prevista come euploidia.
L'elevata specificità indica una forte capacità di predire le blastocisti aneuploidi.
|
Fino al completamento degli studi, in media 1 anno
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Precisione
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
L'accuratezza valuta il numero di previsioni corrette della ploidia della blastocisti rispetto al numero totale di previsioni
|
Fino al completamento degli studi, in media 1 anno
|
|
AUC
Lasso di tempo: Fino al completamento degli studi, in media 1 anno
|
L'AUC è definita come l'area sotto la curva caratteristica operativa del ricevitore, che valuta le prestazioni complessive del modello per prevedere la ploidia della blastocisti indipendentemente dalla soglia di classificazione.
|
Fino al completamento degli studi, in media 1 anno
|
Collaboratori e investigatori
Collaboratori
Investigatori
- Investigatore principale: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Pubblicazioni e link utili
Pubblicazioni generali
- 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.
Studiare le date dei record
Studia le date principali
Inizio studio (Stimato)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- 2024-739-02
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Periodo di condivisione IPD
Criteri di accesso alla condivisione IPD
Tipo di informazioni di supporto alla condivisione IPD
- STUDIO_PROTOCOLLO
- LINFA
- ICF
- CODICE_ANALITICO
- RSI
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
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 .