- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT05699850
KUNSTMATIGE INTELLIGENTIE IN DE REPRODUCTIEVE GENEESKUNDE (AI in ART)
TOEPASSINGEN VAN KUNSTMATIGE INTELLIGENTIE IN DE REPRODUCTIEVE GENEESKUNDE
Studie Overzicht
Toestand
Interventie / Behandeling
Gedetailleerde beschrijving
KUNSTMATIGE INTELLIGENTIE (AI) TOEPASSINGEN IN DE REPRODUCTIEVE GENEESKUNDE
Kamaleldin Abdullah Rageh, MD (1).
Mohammad Atef Behery, MD (2)
Elsayed Ali Farag, M.D. (1)
1 -Afdeling Verloskunde en Gynaecologie, Faculteit der Geneeskunde, Al-Azhar Universiteit, Caïro, Egypte.
2-International Islamic Centre for Population Studies and Research, Al-Azhar University, Caïro, Egypte.
Abstract:
Ondanks bijna alle aspecten van IVF verbeterd: ovariële stimulatie, embryokweek en terugplaatsing, zijn de zwangerschapscijfers nog steeds niet bevredigend. Studies bevestigen dat tot 50% van de uitgevoerde IVF-cycli mislukken en er is mogelijk geen directe verklaring voor.
En het is de moeite waard om te vermelden dat het nauwkeurig voorspellen van de uitkomst van een IVF-cyclus nog moet worden bereikt. Een reden hiervoor is de methode van selectie van een embryo voor terugplaatsing. Morfologische beoordeling van embryo's is de traditionele methode om de embryokwaliteit te evalueren en te selecteren welk embryo moet worden teruggeplaatst. Deze subjectieve methode om embryo's te beoordelen leidt echter tot variabiliteit tussen en binnen de waarnemer, wat resulteert in minder dan optimale IVF-succespercentages. Hoewel time-lapse-couveuses en pre-implantatie genetische tests voor aneuploïdie zijn geïntroduceerd om de kans op een levend geboren kind te vergroten, blijven de resultaten verre van ideaal.
Momenteel oefenen onvruchtbaarheidsbehandelingen veel financiële en emotionele stress uit, vooral bij patiënten met eerder mislukte IVF-behandelingen, waarbij er geen duidelijke oorzaak kan worden vastgesteld. blijf antwoorden vinden, maar AI-systemen kunnen het dilemma helpen oplossen door de best levensvatbare embryo's te kiezen die mensen niet kunnen. AI-technologieën hebben een uitstekend potentieel om het onvruchtbaarheidsveld te helpen stijgen boven de huidige beperkte focus op individuele embryo's en nieuwe patronen te ontdekken die verborgen zijn in de patiëntgegevens om de heersende gevallen van onvruchtbaarheid te overwinnen.
De embryoselectie is de meest kritische factor voor het succes van IVF. Er is echter geen enkel definitief criterium dat het succes van een embryo kan voorspellen. Integendeel, embryoselectie is gebaseerd op een verscheidenheid aan factoren, waardoor het moeilijk is om de waarschijnlijkheid van een succesvolle zwangerschap voor elke patiënt te voorspellen en om de oorzaak van elke mislukking volledig te begrijpen. Het gebruik van kunstmatige intelligentie (AI) kan de clinici dus ondersteunen bij het opvullen van deze kenniskloof, waardoor het in het embryologielaboratorium wordt ingezet om de IVF-resultaten te helpen verbeteren.
Studietype
Inschrijving (Verwacht)
Contacten en locaties
Studie Locaties
-
-
-
Cairo, Egypte, 12358
- Werving
- Al-Azhar University
-
Contact:
- Dr. Mohammed Atef, M.D.
- Telefoonnummer: 00201006206040
- E-mail: kimovip2000@yahoo.com
-
Cairo, Egypte, 15006
- Werving
- Kamal Eldin Abdalla Rageh
-
Contact:
- Kamal Eldin A Rageh
- Telefoonnummer: 0097333153871
- E-mail: dr_kamal_rageh@yahoo.com
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- vruchtbaarheid gerelateerd
Uitsluitingscriteria:
- vruchtbare mensen
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Observatiemodellen: Ander
- Tijdsperspectieven: Ander
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
SLAAGKANS
Tijdsspanne: 4 MAANDEN
|
KUNSTMATIGE INTELLIGENTIE (AI) TOEPASSINGEN IN DE REPRODUCTIEVE GENEESKUNDE
|
4 MAANDEN
|
Medewerkers en onderzoekers
Sponsor
Medewerkers
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Verwacht)
Studie voltooiing (Verwacht)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Schatting)
Updates van studierecords
Laatste update geplaatst (Schatting)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- Kamal-AI
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .