AI-TOP研究 トリガー最適化のための人工知能。 (AI-TOP)
最適なトリガー日を選択するための人工知能に基づくアプローチ
調査の概要
詳細な説明
生殖補助医療は、人工知能(AI)の導入によって大きな変革を遂げており、医療治療の実施方法を再構築しています。 体外受精(IVF)において、一貫した課題の一つは、臨床業務量を効率的に管理しながら(特に週末の処置を減らすことで)、結果を損なうことなく、回収される卵子の数を最大化することでした。 患者の反応は周期によって異なる場合がありますが、トリガー日を1日調整しても臨床結果に大きな影響を与えないという証拠があり、より柔軟なスケジュール設定が可能になります。
AIにより、標準化されたプロトコルから個別化された治療への移行が可能となり、臨床結果の向上、プロセスの合理化、運用効率の向上が図られます。 最近の研究では、医師のみによる決定と比較して、AIベースのモデルが卵巣刺激を最適化し、トリガー日の選択を改善し、受精卵の数を増加させることが示されています。 AIアルゴリズムはまた、回収される卵子の数を正確に予測し、より効果的なプロトコルと高い生児出生率に貢献しています。
トリガータイミングを超えて、AIは、周期の結果に悪影響を与えることなく、モニタリングスケジュールを最適化し、臨床業務量をバランスさせることで、IVFクリニックのワークフロー効率を改善することが示されています。
この増え続ける証拠に基づき、トリガーと回収の決定が医師のみによって行われる場合と、医師がAIガイダンスの支援を受ける場合の、制御卵巣刺激の臨床結果を比較するための無作為化比較試験が設計されました。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究場所
-
-
-
Barcelona、スペイン、08028
- 募集
- Hospital Universitario Quirón Dexeus
-
コンタクト:
- Nikolaos P Polyzos, MD PhD
- 電話番号:0034932274700
- メール:nikpol@dexeus.com
-
コンタクト:
- Ignacio Rodriguez, MSc
- 電話番号:0034932274700
- メール:nacrod@dexeus.com
-
主任研究者:
- Nikolaos P Polyzos, MD PhD
-
副調査官:
- Valeria Donno, MD
-
副調査官:
- Mariana B Miguens, MD
-
副調査官:
- Gerarda Gaeta, MD
-
Tarragona、スペイン、43206
- まだ募集していません
- Dexeus Mujer Tarragona
-
コンタクト:
- Josep Gonzalo, MD
- メール:josgon@dexeus.com
-
主任研究者:
- Josep Gonzalo, MD
-
-
Barcelona
-
Sabadell、Barcelona、スペイン
- まだ募集していません
- Dexeus Mujer Sabadell
-
コンタクト:
- Ainhoa Coco, MD
- 電話番号:0034932274700
- メール:aincoc@dexeus.com
-
主任研究者:
- Ainhoa Coco, MD
-
Sant Cugat del Vallès、Barcelona、スペイン、08195
- まだ募集していません
- Dexeus Mujer Sant Cugat
-
コンタクト:
- Ainhoa Coco, MD
- 電話番号:0034932274700
- メール:aincoc@dexeus.com
-
主任研究者:
- Ainhoa Coco, MD
-
-
Tarragona
-
Reus、Tarragona、スペイン、43202
- まだ募集していません
- Dexeus Mujer Reus
-
コンタクト:
- Josep Gonzalo, MD
- メール:josgon@dexeus.com
-
主任研究者:
- Josep Gonzalo, MD
-
-
参加基準
適格基準
就学可能な年齢
- 大人
健康ボランティアの受け入れ
説明
対象基準:
- 当センターですべてのモニタリング超音波検査(エコー)を実施する、自己卵子を用いた体外受精(IVF)のための卵巣刺激療法(COS)、卵子提供、および選択的不妊保存を実施していること。
除外基準:
- 医学的に適応された不妊保存
- モニタリングのためのクリニック訪問ができないこと。
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 主な目的:処理
- 割り当て:ランダム化
- 介入モデル:並列代入
- マスキング:なし(オープンラベル)
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的:AIアルゴリズム
トリガー決定は、AIガイダンスを活用した医師によって行われます。
|
本研究で使用されるAIアルゴリズムはSTIMAI®です。
STIMAI®は、人工知能ベースのソフトウェアで、臨床医が不妊治療プロセスを最適化し、妊娠をサポートするためのデータ駆動型の洞察を提供することで支援します。
このソフトウェアは臨床意思決定支援ツールとして設計されており、医師の判断を代替するものではありません。最終的な臨床決定は、担当医の責任の下で行われます。医師は、異なるトリガー日におけるMII卵子の数を予測するAIアプリケーションを参照します。
アルゴリズムが今日または明日のトリガーを推奨する場合、医師はどのオプションに従うかを選択します。
|
|
アクティブコンパレータ:日常的な臨床管理
医師単独で排卵誘発の決定がなされた通常の臨床管理に続いて、
|
17 mmの卵胞が2-3個検出され次第、医師は臨床的判断に基づいて排卵誘発のタイミングを決定します。
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
MII 卵母細胞
時間枠:排卵誘発剤投与後、約34〜36時間後の採取日。
|
採卵時のMII卵回収数。
|
排卵誘発剤投与後、約34〜36時間後の採取日。
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
週間中の検索手順の分布。
時間枠:刺激周期の終了時、回収スケジュールが完了した後に評価。排卵誘発剤投与後約34〜36時間。
|
:体外受精(IVF)サイクルにおける週の各曜日ごとの卵子採取手順のパターンまたは分布。
|
刺激周期の終了時、回収スケジュールが完了した後に評価。排卵誘発剤投与後約34〜36時間。
|
|
COCsの数
時間枠:採卵日に測定。排卵誘発剤投与後、約34〜36時間後。
|
卵子採取手順中に回収された、顆粒膜細胞に囲まれた卵母細胞の総数であり、刺激に対する卵巣反応を反映します。
|
採卵日に測定。排卵誘発剤投与後、約34〜36時間後。
|
|
刺激期間(日数)
時間枠:刺激開始初日から排卵誘発剤投与日まで。最大8~15日間
|
排卵誘発前に制御された卵巣刺激のために患者が性腺刺激ホルモンを受ける総日数。
|
刺激開始初日から排卵誘発剤投与日まで。最大8~15日間
|
|
FORT(トリガー日の排卵前卵胞数/AFC)
時間枠:AFCはベースライン(周期日2-3)で測定されます。排卵前卵胞はトリガー日にカウントされます。最大8-15日間
|
トリガー日の排卵前卵胞数をベースラインの前胞状卵胞数(AFC)で割った値として計算される、卵胞反応性の指標。
これは、募集可能な卵胞を成長させる刺激の効率を反映しています。
|
AFCはベースライン(周期日2-3)で測定されます。排卵前卵胞はトリガー日にカウントされます。最大8-15日間
|
|
FOI (N COCs/AFC)
時間枠:AFCはベースラインで測定され、COCは排卵誘発後約34~36時間の回収日にカウントされます。
|
基準となる前胞状卵胞数(AFC)で割った回収された卵丘卵母細胞複合体の数であり、基準卵胞がどの程度効果的に回収卵子につながったかを示す。
|
AFCはベースラインで測定され、COCは排卵誘発後約34~36時間の回収日にカウントされます。
|
|
来院回数
時間枠:刺激開始からトリガー日までをカウント。最大8~12日
|
制御された卵巣刺激中に必要な診療所内モニタリング訪問の総数には、超音波検査と血液検査が含まれます。
|
刺激開始からトリガー日までをカウント。最大8~12日
|
|
自然排卵
時間枠:排卵誘発剤投与後、計画された採卵までの間に検出されました。排卵誘発剤投与後、約34~36時間経過しています。
|
スケジュールされた処置前の卵子採取前に意図しない卵胞破裂が発生し、モニタリングにもかかわらず予定より前に排卵が起こったことを示す。
|
排卵誘発剤投与後、計画された採卵までの間に検出されました。排卵誘発剤投与後、約34~36時間経過しています。
|
協力者と研究者
スポンサー
出版物と役立つリンク
一般刊行物
- Blockeel C, Engels S, De Vos M, Haentjens P, Polyzos NP, Stoop D, Camus M, Devroey P. Oestradiol valerate pretreatment in GnRH-antagonist cycles: a randomized controlled trial. Reprod Biomed Online. 2012 Mar;24(3):272-80. doi: 10.1016/j.rbmo.2011.11.012. Epub 2011 Nov 30.
- Babayev E. Man versus machine in in vitro fertilization-can artificial intelligence replace physicians? Fertil Steril. 2020 Nov;114(5):963. doi: 10.1016/j.fertnstert.2020.07.042. Epub 2020 Aug 17. No abstract available.
- Canon C, Leibner L, Fanton M, Chang Z, Suraj V, Lee JA, Loewke K, Hoffman D. Optimizing oocyte yield utilizing a machine learning model for dose and trigger decisions, a multi-center, prospective study. Sci Rep. 2024 Aug 20;14(1):18721. doi: 10.1038/s41598-024-69165-1.
- Chow DJX, Wijesinghe P, Dholakia K, Dunning KR. Does artificial intelligence have a role in the IVF clinic? Reprod Fertil. 2021 Aug 23;2(3):C29-C34. doi: 10.1530/RAF-21-0043. eCollection 2021 Jul.
- Dimitriadis I, Zaninovic N, Badiola AC, Bormann CL. Artificial intelligence in the embryology laboratory: a review. Reprod Biomed Online. 2022 Mar;44(3):435-448. doi: 10.1016/j.rbmo.2021.11.003. Epub 2021 Nov 12.
- Ferrand T, Boulant J, He C, Chambost J, Jacques C, Pena CA, Hickman C, Reignier A, Freour T. Predicting the number of oocytes retrieved from controlled ovarian hyperstimulation with machine learning. Hum Reprod. 2023 Oct 3;38(10):1918-1926. doi: 10.1093/humrep/dead163.
- Hariton E, Chi EA, Chi G, Morris JR, Braatz J, Rajpurkar P, Rosen M. A machine learning algorithm can optimize the day of trigger to improve in vitro fertilization outcomes. Fertil Steril. 2021 Nov;116(5):1227-1235. doi: 10.1016/j.fertnstert.2021.06.018. Epub 2021 Jul 10.
- Letterie G, MacDonald A, Shi Z. An artificial intelligence platform to optimize workflow during ovarian stimulation and IVF: process improvement and outcome-based predictions. Reprod Biomed Online. 2022 Feb;44(2):254-260. doi: 10.1016/j.rbmo.2021.10.006. Epub 2021 Oct 20.
便利なリンク
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。