- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT07515118
AI-TOP 연구: 트리거 최적화를 위한 인공지능 (AI-TOP)
최적의 트리거 날짜 선택을 위한 인공지능 기반 접근법
연구 개요
상세 설명
인공 지능(AI)의 도입으로 보조생식술은 의료 치료가 수행되는 방식을 재구성하며 주요한 변화를 겪고 있습니다. 체외수정 시술에서 지속적인 과제 중 하나는 결과를 저해하지 않으면서 임상 업무 부담(특히 주말 시술을 줄여)을 효율적으로 관리하면서 채취된 난자의 수를 극대화하는 것이었습니다. 환자의 반응은 주기 사이에 다를 수 있지만, 유발일을 하루 조정하는 것이 임상 결과에 큰 영향을 미치지 않는다는 증거가 있어 더 유연한 일정 계획을 가능하게 합니다.
AI는 표준화된 프로토콜에서 맞춤형 치료로의 전환을 가능하게 하여 임상 결과를 개선하고, 과정을 간소화하며, 운영 효율성을 향상시킵니다. 최근 연구에 따르면 AI 기반 모델은 난소 자극을 최적화하고, 유발일 선택을 개선하며, 의사 단독 결정과 비교하여 수정된 난자의 수를 증가시킬 수 있습니다. AI 알고리즘은 또한 채취된 난자의 수를 정확하게 예측하여 더 효과적인 프로토콜과 더 높은 생존 출생률에 기여했습니다.
유발 시기 외에도, AI는 모니터링 일정을 최적화하고 주기 결과에 부정적인 영향을 미치지 않으면서 임상 업무 부담을 균형 있게 조정함으로써 체외수정 클리닉의 업무 흐름 효율성을 개선하는 것으로 나타났습니다.
이러한 증가하는 증거를 바탕으로, 의사가 단독으로 유발 및 채취 결정을 내릴 때와 의사가 AI 지도에 의해 보조받을 때의 조절된 난소 자극의 임상 결과를 비교하기 위해 무작위 대조 시험이 설계되었습니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
-
Barcelona, 스페인, 08028
- 모병
- Hospital Universitario Quirón Dexeus
-
연락하다:
- Nikolaos P Polyzos, MD PhD
- 전화번호: 0034932274700
- 이메일: nikpol@dexeus.com
-
연락하다:
- Ignacio Rodriguez, MSc
- 전화번호: 0034932274700
- 이메일: nacrod@dexeus.com
-
수석 연구원:
- Nikolaos P Polyzos, MD PhD
-
부수사관:
- Valeria Donno, MD
-
부수사관:
- Mariana B Miguens, MD
-
부수사관:
- Gerarda Gaeta, MD
-
Tarragona, 스페인, 43206
- 아직 모집하지 않음
- Dexeus Mujer Tarragona
-
연락하다:
- Josep Gonzalo, MD
- 이메일: josgon@dexeus.com
-
수석 연구원:
- Josep Gonzalo, MD
-
-
Barcelona
-
Sabadell, Barcelona, 스페인
- 아직 모집하지 않음
- Dexeus Mujer Sabadell
-
연락하다:
- Ainhoa Coco, MD
- 전화번호: 0034932274700
- 이메일: aincoc@dexeus.com
-
수석 연구원:
- Ainhoa Coco, MD
-
Sant Cugat del Vallès, Barcelona, 스페인, 08195
- 아직 모집하지 않음
- Dexeus Mujer Sant Cugat
-
연락하다:
- Ainhoa Coco, MD
- 전화번호: 0034932274700
- 이메일: aincoc@dexeus.com
-
수석 연구원:
- Ainhoa Coco, MD
-
-
Tarragona
-
Reus, Tarragona, 스페인, 43202
- 아직 모집하지 않음
- Dexeus Mujer Reus
-
연락하다:
- Josep Gonzalo, MD
- 이메일: josgon@dexeus.com
-
수석 연구원:
- Josep Gonzalo, MD
-
-
참여기준
자격 기준
공부할 수 있는 나이
- 성인
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 자가 난자, 난자 기증 및 선택적 생식력 보존을 위한 체외수정 시술(IVF)을 위한 COS를 받는 경우로, 모든 모니터링 초음파 검사(USS)가 우리 센터에서 시행됩니다.
제외 기준:
- 의학적으로 적응증이 있는 생식력 보존
- 모니터링을 위한 병원 방문이 불가능한 경우
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 치료
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: AI 알고리즘
의사가 AI 지도를 받아 트리거 결정을 내립니다.
|
본 연구에 사용된 AI 알고리즘은 STIMAI®입니다.
STIMAI®는 임상의가 생식 치료 과정을 최적화하고 임신을 지원하기 위해 데이터 기반 인사이트를 제공함으로써 임상의를 지원하는 인공 지능 기반 소프트웨어입니다.
이 소프트웨어는 임상 결정 지원 도구로 설계되었으며 의사의 판단을 대체하지 않습니다. 최종 임상 결정은 치료 담당 의사의 책임 하에 이루어집니다. 의사는 다양한 유발일에 따른 MII 난자의 수를 예측하는 AI 애플리케이션을 참고할 것입니다.
알고리즘이 오늘 또는 내일 유발을 권장하는 경우, 의사는 어떤 옵션을 따를지 선택할 것입니다.
|
|
활성 비교기: 일상적인 임상 관리
의사 혼자서 배란 유발 결정을 내린 후 일상적인 임상 관리에 이어서,
|
17 mm 크기의 난포 2-3개가 감지되자마자, 의사는 임상적 판단에 따라 배란 유발 시기를 결정할 것입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
MII 난자
기간: 배란 유도 후 약 34-36시간 경과 시 채취 예정일입니다.
|
난자 채취 시 채취된 MII 난자의 수.
|
배란 유도 후 약 34-36시간 경과 시 채취 예정일입니다.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
일주일 동안의 검색 절차 분포.
기간: 난자 채취 일정이 완료된 후, 배란 유도 약물 투여 약 34-36시간 후에 자극 주기 말에 평가됨.
|
IVF 주기 중 요일별 난자 채취 절차의 패턴 또는 분포.
|
난자 채취 일정이 완료된 후, 배란 유도 약물 투여 약 34-36시간 후에 자극 주기 말에 평가됨.
|
|
COC의 수
기간: 난모세포 채취일에 측정됨. 배란 유발 약물 투여 후 약 34-36시간 경과 시점.
|
난포 채취 시술 중에 채취된 누적 세포로 둘러싸인 난자의 총 수는 난소의 자극에 대한 반응을 반영합니다.
|
난모세포 채취일에 측정됨. 배란 유발 약물 투여 후 약 34-36시간 경과 시점.
|
|
자극 기간 (일)
기간: 자극 첫날부터 배란 유발제 투여일까지. 최대 8-15일
|
배란 유도를 위한 조절난소자극 과정에서 환자가 성선자극호르몬을 투여받는 총 일수
|
자극 첫날부터 배란 유발제 투여일까지. 최대 8-15일
|
|
FORT (유도일에 확인된 배란 전 난포 수/안트랄 난포 수)
기간: AFC는 기준선(주기 2-3일차)에서 측정됩니다; 배란 전 난포는 트리거 날짜에 계산됩니다. 최대 8-15일
|
기저 난소 내 난포 수(AFC)로 나눈 유발일의 배란 전 난포 수로 계산되는 난포 반응성 측정치입니다.
이는 성장 가능한 난포를 자극하는 효율성을 반영합니다.
|
AFC는 기준선(주기 2-3일차)에서 측정됩니다; 배란 전 난포는 트리거 날짜에 계산됩니다. 최대 8-15일
|
|
FOI (N COCs/AFC)
기간: 기초선에서 측정된 AFC; 배란 유발 약물 투여 후 약 34-36시간 경과한 채취일에 계산된 COCs.
|
기저 안트랄 여포 수(AFC) 대비 회수된 난구-난자 복합체의 수로, 기저 여포가 회수된 난자로 얼마나 효과적으로 이어졌는지를 나타냅니다.
|
기초선에서 측정된 AFC; 배란 유발 약물 투여 후 약 34-36시간 경과한 채취일에 계산된 COCs.
|
|
방문 횟수
기간: 자극 시작부터 유발일까지 계산됩니다. 최대 8-12일
|
통제 난소 자극 중에 필요한 내원 모니터링 방문 총 횟수(초음파 검사 및 혈액 검사 포함)
|
자극 시작부터 유발일까지 계산됩니다. 최대 8-12일
|
|
자발적 배란
기간: 트리거 투여와 계획된 난자 채취 사이에 감지됨. 배란 트리거 후 약 34-36시간.
|
계획된 시술 전에 배란이 발생했음을 나타내는, 난자 채취 전 의도하지 않은 여포 파열의 발생
|
트리거 투여와 계획된 난자 채취 사이에 감지됨. 배란 트리거 후 약 34-36시간.
|
공동 작업자 및 조사자
스폰서
간행물 및 유용한 링크
일반 간행물
- 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.
유용한 링크
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .