Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

KUNSTIG INTELLIGENS I REPRODUKSIV MEDISIN (AI in ART)

17. januar 2023 oppdatert av: Dr. Kamal Rageh, MD, Al Baraka Fertility Hospital

BRUKSOMRÅDER FOR KUNSTIG INTELLIGENS I REPRODUKSIV MEDISIN

Mange studier har blitt publisert som undersøker bruken av AI som en objektiv, automatisert tilnærming til embryovurdering. Denne anmeldelsen vil oppsummere de siste fremskritt innen AI innen IVF-feltet. Forhåpentligvis kan det å innlemme AI-teknologi i IVF-klinikkene være neste frontlinje i reisen mot personlig reproduktiv medisin og forbedrede fruktbarhetsresultater for pasienter.

Studieoversikt

Detaljert beskrivelse

KUNSTIG INTELLIGENS (AI) APPLIKASJONER I REPRODUKSIV MEDISIN

Kamaleldin Abdullah Rageh, M.D. (1).

Mohammad Atef Behery, M.D. (2)

Elsayed Ali Farag, M.D. (1)

1 - Institutt for obstetrikk og gynekologi, Det medisinske fakultet, Al-Azhar-universitetet, Kairo, Egypt.

2-International Islamic Center for Population Studies and Research, Al-Azhar University, Kairo, Egypt.

Abstrakt:

Til tross for forbedret nesten alle aspekter av IVF: eggstokkstimulering, embryokultur og overføring, er graviditetsratene fortsatt ikke tilfredsstillende. Studier bekrefter at opptil 50 % av de utførte IVF-syklusene mislykkes, og det kan ikke være noen direkte forklaring på dette.

Og det er verdt å nevne at nøyaktig prediksjon av utfallet av en IVF-syklus ennå ikke er oppnådd. En grunn til dette er metoden for å velge et embryo for overføring. Morfologisk vurdering av embryoer er den tradisjonelle metoden for å evaluere embryokvalitet og velge hvilket embryo som skal overføres. Imidlertid fører denne subjektive metoden for å vurdere embryoer til inter- og intra-observatørvariabilitet, noe som resulterer i mindre enn optimale IVF-suksessrater. Selv om time-lapse inkubatorer og preimplantasjons genetisk testing for aneuploidi har blitt introdusert for å øke sjansene for levende fødsel, forblir resultatene mindre enn ideelle.

For tiden utøver infertilitetsbehandlinger mye økonomisk og emosjonelt stress, spesielt hos pasienter med tidligere mislykkede IVF-behandlinger, hvor det ikke er noen klar årsak å identifisere er et vanlig, hjerteskjærende endepunkt når den emosjonelle, økonomiske og fysiske belastningen av behandlingen eskalerer til fortsett å finne svar, men AI-systemer kan bidra til å løse dilemmaet ved å velge de beste levedyktige embryoene som mennesker ikke kan gjøre. AI-teknologier har et utmerket potensial til å hjelpe infertilitetsfeltet til å sveve over sitt nåværende smale fokus på individuelle embryoer og oppdage nye mønstre skjult i pasientdataene for å overvinne de rådende infertilitetstilfellene.

Utvelgelsen av embryoer er den mest kritiske faktoren for å lykkes med IVF. Det er imidlertid ikke noe enkelt definitivt kriterium som kan forutsi suksessen til et embryo. Snarere er embryoseleksjon basert på en rekke faktorer, noe som gjør det vanskelig å forutsi sannsynligheten for en vellykket graviditet for hver pasient og å fullt ut forstå årsaken til hver svikt. Så, bruk av kunstig intelligens (AI) kan støtte klinikerne i å fylle dette kunnskapsgapet, og dermed bli utnyttet i embryologilaboratoriet for å forbedre IVF-resultatene.

Studietype

Observasjonsmessig

Registrering (Forventet)

10

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

      • Cairo, Egypt, 12358
        • Rekruttering
        • Al-Azhar University
        • Ta kontakt med:
      • Cairo, Egypt, 15006
        • Rekruttering
        • Kamal Eldin Abdalla Rageh
        • Ta kontakt med:

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

de menneskene som kommer til fertilitetsklinikker

Beskrivelse

Inklusjonskriterier:

  • fertilitetsrelatert

Ekskluderingskriterier:

  • fruktbare mennesker

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Observasjonsmodeller: Annen
  • Tidsperspektiver: Annen

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
SUKSESS RATE
Tidsramme: 4 MÅNEDER
KUNSTIG INTELLIGENS (AI) APPLIKASJONER I REPRODUKSIV MEDISIN
4 MÅNEDER

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. november 2022

Primær fullføring (Forventet)

1. mars 2023

Studiet fullført (Forventet)

1. april 2023

Datoer for studieregistrering

Først innsendt

17. januar 2023

Først innsendt som oppfylte QC-kriteriene

17. januar 2023

Først lagt ut (Anslag)

26. januar 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Anslag)

26. januar 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

17. januar 2023

Sist bekreftet

1. januar 2023

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • Kamal-AI

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

Ubestemt

IPD-planbeskrivelse

vil tenke på det

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere