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

Aftificial Intelligence in Assisted Reproductive Techniques for å vurdere oocyttkvalitet og embryoploidi (SMARTAI)

17. januar 2025 oppdatert av: Jaromír Mašata, Charles University, Czech Republic

Skanning av den meiotiske spindelen i assisterte reproduksjonsteknikker for å vurdere oocyttkvalitet og embryoploidi evaluert av kunstig intelligens (SMARTAI-studie)

Suksessraten for assistert befruktning påvirkes av flere faktorer, inkludert kvinnenes alder, oocyttkvalitet og modningstilstand, samt sædkvalitet. Avbildning av den meiotiske spindelen kan være avgjørende for å bestemme oocyttmodningen. Kunstig intelligens (AI) vil bli brukt for å etablere den komplekse oocyttkvaliteten, embryoploidien og sannsynligheten for suksess for graviditet fra sekvensen av data, som starter med registreringen av den meiotiske spindelen i polarisert lys, gjennom farsfaktorer opp til tidsforløpsregistreringen av tidlig embryoutvikling. Denne strategien skal redusere kostnadene ved fertilitetsbehandling takket være økt effektivitet i å velge de mest lovende kandidatene og redusere behovet for kostbare laboratorieanalyser.

Studieoversikt

Detaljert beskrivelse

En av hovedstrategiene for infertilitetsbehandling er in vitro fertilisering (IVF). IVF-suksessraten påvirkes av flere nøkkelfaktorer, inkludert kvinnenes alder, oocyttkvalitet og modningstilstand, samt sædkvalitet. Det har blitt antydet at tilstedeværelsen, posisjonen og retardansen til den optisk dobbeltbrytende meiotiske spindelen (MS) er relatert til oocyttutviklingskompetanse, noe som påvirker kvaliteten på befruktning og embryoutvikling. Kunstig intelligens (AI) vil bli brukt for å etablere den komplekse oocyttkvaliteten, embryoploidien og sannsynligheten for suksess for graviditet fra sekvensen av data, som starter med registreringen av den meiotiske spindelen i polarisert lys, gjennom farsfaktorer opp til tidsforløpsregistreringen av tidlig embryoutvikling.

Synergiske tilnærminger vil bli brukt for å øke kvaliteten på embryoer for implantasjon: bildeanalyse og maskinlæringsteknikker vil bli brukt på oocyttmikroskopiske bilder for å utføre MS-analysen helt automatisk og for å avgjøre om noen andre aspekter av oocyttenes utseende kan korrelere med optimal timing og befruktning og graviditetssuksess, eller genetiske defekter. En automatisk metode for embryoevaluering basert på time-lapse-videoer etter ICSI- og MS-avbildning pluss andre skalarparametere (ekstraherte funksjoner kan brukes som input for nedstrømsoppgavene, f.eks. funksjoner ekstrahert fra oocytter og sædceller kan tjene som ekstra input til embryoklassifisereren) vil bli brukt. Denne strategien skal redusere kostnadene ved fertilitetsbehandling takket være økt effektivitet i å velge de mest lovende kandidatene og redusere behovet for kostbare laboratorieanalyser.

Analysen vil bli utført i samarbeid med Czech Technical University og Institute of Physics Academy of Sciences of the Czech Republic som vil lage et programvareverktøy som er i stand til å forutsi sannsynligheten for graviditet og embryoploiditet fra oocyttbilder pluss time-lapse-video av en utvikling embryo etter ICSI. Det vil bli bestemt om noen andre aspekter ved oocyttets utseende korrelerer med befruktnings- og graviditetssuksessen, eller genetiske defekter.

Time lapse-sekvenser av embryonal utvikling og oocyttbilder vil bli hentet fra VFN og fra samarbeidende IVF-sentre (Gynem, s.r.o., Repromeda, s.r.o.). Sekvensene vil bli lagret og paret med utfall (ploidystatus, graviditet) og også med tidligere ervervede oocyttbilder. BIOCEV (Academy of Sciences of the Czech Republic) vil evaluere spermparametere med hensyn til oocyttbefruktningshastighet og tidlig embryonal utvikling.

Studietype

Observasjonsmessig

Registrering (Antatt)

1000

Kontakter og plasseringer

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

Studiekontakt

  • Navn: Jaromir Masata, MD
  • Telefonnummer: +420603444662
  • E-post: masata@volny.cz

Studiesteder

      • Prague, Tsjekkia, 128 08
        • Rekruttering
        • General University Hospital in Prague
        • Ta kontakt med:
      • Prague, Tsjekkia
        • Rekruttering
        • Czech Technical University in Prague
        • Ta kontakt med:
      • Prague, Tsjekkia
        • Rekruttering
        • Institute of Physics AS CR
        • Ta kontakt med:
          • Irena Kratochvilova, Prof.
          • Telefonnummer: +420266052524
          • E-post: krat@fzu.cz
      • Vestec, Tsjekkia

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

  • Voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Infertilitetspar, hvor ICSI og PDT er indisert

Beskrivelse

Inklusjonskriterier:

  • Intracytoplasmatisk spermieinjeksjon
  • Preimplantasjons genetisk testing
  • Time lapse embryo rekord
  • Singned informert samtykke

Ekskluderingskriterier:

  • Gynekologiske sykdommer
  • Genetiske sykdommer hos foreldre

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Det relative antallet embryoer hvis ploiditet ble korrekt forutsagt av AI
Tidsramme: 1 time
Å bruke en AI-basert ikke-invasiv metode for å velge et genetisk sunne embryoer av høy kvalitet vil utvilsomt forbedre klinisk og diagnostisk praksis og redusere kostnadene innen infertilitetsbehandling. Både segmenterings- og klassifiseringstreningen vil være basert på ekspertkommentarer. Tilnærmingen bør føre til en klassifiseringsnøyaktighet på minst 70 %.
1 time

Samarbeidspartnere og etterforskere

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

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

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)

5. januar 2024

Primær fullføring (Antatt)

31. desember 2027

Studiet fullført (Antatt)

31. mars 2028

Datoer for studieregistrering

Først innsendt

1. august 2024

Først innsendt som oppfylte QC-kriteriene

1. august 2024

Først lagt ut (Faktiske)

6. august 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

25. mars 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

17. januar 2025

Sist bekreftet

1. januar 2025

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

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