Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

KUNSTMATIGE INTELLIGENTIE IN DE REPRODUCTIEVE GENEESKUNDE (AI in ART)

17 januari 2023 bijgewerkt door: Dr. Kamal Rageh, MD, Al Baraka Fertility Hospital

TOEPASSINGEN VAN KUNSTMATIGE INTELLIGENTIE IN DE REPRODUCTIEVE GENEESKUNDE

Er zijn veel onderzoeken gepubliceerd waarin het gebruik van AI wordt onderzocht als een onbevooroordeelde, geautomatiseerde benadering van embryobeoordeling. Deze beoordeling vat de recente AI-ontwikkelingen op het gebied van IVF samen. Hopelijk kan de integratie van AI-technologie in de IVF-klinieken de volgende stap zijn op weg naar gepersonaliseerde reproductieve geneeskunde en verbeterde vruchtbaarheidsresultaten voor patiënten.

Studie Overzicht

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

Observationeel

Inschrijving (Verwacht)

10

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

      • Cairo, Egypte, 12358
        • Werving
        • Al-Azhar University
        • Contact:
      • Cairo, Egypte, 15006
        • Werving
        • Kamal Eldin Abdalla Rageh
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

die mensen die voor vruchtbaarheidsklinieken komen

Beschrijving

Inclusiecriteria:

  • vruchtbaarheid gerelateerd

Uitsluitingscriteria:

  • vruchtbare mensen

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

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

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

1 november 2022

Primaire voltooiing (Verwacht)

1 maart 2023

Studie voltooiing (Verwacht)

1 april 2023

Studieregistratiedata

Eerst ingediend

17 januari 2023

Eerst ingediend dat voldeed aan de QC-criteria

17 januari 2023

Eerst geplaatst (Schatting)

26 januari 2023

Updates van studierecords

Laatste update geplaatst (Schatting)

26 januari 2023

Laatste update ingediend die voldeed aan QC-criteria

17 januari 2023

Laatst geverifieerd

1 januari 2023

Meer informatie

Termen gerelateerd aan deze studie

Andere studie-ID-nummers

  • Kamal-AI

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

Onbeslist

Beschrijving IPD-plan

zal erover nadenken

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

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 .

Abonneren