- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06762704
Evaluering av en kunstig intelligensmodell for prediksjon av menneskelig blastocystploidi uten invasive prosedyrer
En ikke-invasiv kunstig intelligensmodell for prediksjon av menneskelig blastocystploidi: en multisenter, prospektiv, ikke-randomisert valideringsstudie
Målet med denne kliniske studien er å evaluere en kunstig intelligensmodell for prediksjon av human blastocystploidi uten invasive prosedyrer hos par som mottar genetisk testing før implantasjon. Hovedspørsmålene den tar sikte på å besvare er:
- Er en kunstig intelligensmodell i stand til å forutsi ploiditetsstatusen til en menneskelig blastocyst basert på dens 3D-morfologi?
- Har kvantitative 3D-morfologiske parametere for trophectoderm-celler og indre cellemasse sterke korrelasjoner med human blastocyst-ploiditetsstatus?
Videoer som inkluderer multi-view-bilder av hver blastocyst fra deltakerne vil bli samlet inn på dag 5/6 av kulturen, og preimplantasjonsgenetiske testresultater av disse blastocystene vil bli samlet inn 4-8 uker etter trophectoderm biopsi.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Bakgrunn:
En pilotstudie har blitt utført ved The Affiliated Nanjing Drum Tower Hospital ved Nanjing University Medical School fra august 2023 til september 2024. Videoer og resultater fra preimplantasjonsgenetisk testing (PGT) fra 144 blastocyster ble samlet inn retrospektivt. Modellen med kunstig intelligens (AI) rekonstruerte først 3D-overflaten til blastocystene fra videoene, og målte deretter deres 3D-morfologiske parametere. Basert på disse parametrene, spådde modellen ploiditetsstatusen til blastocystene, og prediksjonsutgangene ble sammenlignet med PGT-resultatene. Prediksjonssensitivitet, spesifisitet, nøyaktighet og AUC var henholdsvis 90,5 %, 91,3 %, 90,9 % og 0,946.
Studiedesign:
Dette er en multisenter, prospektiv, ikke-randomisert, ikke-blindet og enkeltgruppestudie. Etter å ha blitt informert om studien og potensielle risikoer, vil alle deltakerne skrive de informerte samtykkene. Videoer og PGT-resultater fra dag 5/6 blastocyster fra hver deltaker vil bli samlet inn. Blastocyster vil bli klassifisert som euploid, mosaikk og aneuploid tilsvarende henholdsvis <30 %, 30-80 % og >80 % aneuploidi. Embryokultur, biopsi og overføring vil følge standard operasjonsprosedyre (SOP) i laboratoriet. Studien er ikke-intervensjonell, og resultatene vil ikke bli brukt til å ta behandlingsbeslutninger.
Eksempelstørrelse:
Vi planlegger å registrere ~1408 dag 5/6 blastocyster i denne studien basert på en-prøve sensitivitets- og spesifisitetsanalyse. Metaanalyse viser at sensitiviteten og spesifisiteten til de eksisterende AI-modellene er 73,4 % (3702/5047) og 69,6 % (4892/7028), og de for de ikke-invasive kromosomale screeningsmetodene er 80,3 % (678/844) og 73,3 % (908/1238) for ikke-invasivt forutsi blastocystploidistatus. Denne studien antas å oppnå en sensitivitet på ikke mindre enn 85 % og en spesifisitet på ikke mindre enn 80 % med et signifikansnivå på α = 0,05. Det kreves totalt 1126 blastocyster for å oppnå en statistisk styrke på 0,9. Forutsatt en frafallsrate på ~20 %, forventes totalt 1408 blastocyster å bli registrert. Denne prøvestørrelsesberegningen er basert på analysen av statistisk kraft og vil jevnlig bli revidert/justert i løpet av prøveperioden for å sikre at en høy statistisk kraft oppnås.
Databehandling:
Det elektroniske datafangstsystemet (EDC) vil bli brukt til datainnsamling. En klinisk forskningskoordinator vil bli tildelt ved hvert sykehus, og de er ansvarlige for å ta opp videoer og kliniske data via EDC-systemet. En senior klinisk forskningsmedarbeider vil inspisere dataene i EDC-systemet regelmessig blant 5 sykehus. Datasikkerhets- og overvåkingskomiteen (DSMC) er ansvarlig for å føre tilsyn med hele forskningsprosessen og EDC-systemet. For ufullstendige eller manglende data i EDC-systemet vil DSMC kontakte etterforskerne for avklaring.
Statistisk analyse:
Statistisk analyse vil bli utført ved hjelp av IBM SPSS Statistics 26. Kategoriske variabler vil bli beskrevet med antall og prosent, og numeriske variabler vil bli beskrevet ved gjennomsnitt, standardavvik (SD) og rekkevidde. Chi-kvadrat-testen vil bli utført for å analysere trender i kategoriske variabler, og t-testen vil bli utført for å sammenligne numeriske variabler blant ulike grupper. Pearson-korrelasjon vil bli brukt for å analysere den lineære sammenhengen mellom numeriske variabler. Alle statistiske tester er tosidige. P-verdier på <0,05 vil bli vurdert som statistisk signifikante, og odd-forhold (OR) med 95 % konfidensintervall (CI) vil bli beregnet. Logistisk regresjon vil bli brukt for multivariat analyse for å beregne de justerte odd-forhold (aOR). Ytelsen til AI for blastocystploidiprediksjon vil bli evaluert etter sensitivitet, spesifisitet, nøyaktighet og AUC, med 95 % konfidensintervall.
Manglende data vil bli fjernet dersom andelen prøver med manglende verdier er svært liten i forhold til den totale prøvestørrelsen. Ellers vil gjennomsnitts-, maksimums-, minimums-, medium- eller regresjonsmodellen bli brukt til å imputere de manglende verdiene. Outliers vil bli behandlet som de manglende dataene og adressert deretter.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Shanshan Wang
- Telefonnummer: 13814549922
- E-post: wss_19860820@sina.com
Studer Kontakt Backup
- Navn: Haixiang Sun
- Telefonnummer: 13851622008
- E-post: stevensunz@163.com
Studiesteder
-
-
Anhui
-
Hefei, Anhui, Kina, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Ta kontakt med:
- Limin Wu
- Telefonnummer: 18963797080
- E-post: wuliminmail@126.com
-
Ta kontakt med:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Kina, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Ta kontakt med:
- Shanshan Wang
- Telefonnummer: 13814549922
- E-post: wss_19860820@sina.com
-
Ta kontakt med:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Kina, 330046
- Jiangxi Maternal and Child Health Hospital
-
Ta kontakt med:
- Yan Zhao
- Telefonnummer: 13807056599
- E-post: zhaoyan1972009@163.com
-
Ta kontakt med:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Kina, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Ta kontakt med:
- Xiaohong Wang
-
Ta kontakt med:
- Xiaohong Wang
- Telefonnummer: 13991262559
- E-post: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Kina, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Ta kontakt med:
- Yun Sun
-
Ta kontakt med:
- Yun Sun
- Telefonnummer: 13601634278
- E-post: syun163@163.com
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Denne studien er en multisenterstudie som vil bli utført i fem reproduksjonsmedisinske sentre i åtte provinser (Jiangsu, Shanghai, Jiangxi, Shaanxi og Anhui) over hele Kina. Det tilknyttede Nanjing Drum Tower Hospital ved Nanjing University Medical School vil fungere som det primære etterforskningssenteret. Renji Hospital tilknyttet Shanghai Jiao Tong University School of Medicine, Jiangxi Maternal and Child Health Hospital, Tangdu Hospital of Air Force Military Medical University, og The First Affiliated Hospital of USTC (Anhui Provincial Hospital) vil tjene som deltakerundersøkelsessentre.
Videoer som inkluderer multi-view-bilder av menneskelige blastocyster vil bli samlet inn på kulturdag 5/6. PGT-A-resultater av disse blastocystene vil bli samlet inn 4-8 uker etter trophectoderm biopsi. Studien er ikke-intervensjonell, og resultatene vil ikke bli brukt til å ta behandlingsbeslutninger.
Beskrivelse
Inkluderingskriterier:
- Mors alder mellom 20 og 40; fars alder mellom 20 og 55.
- Preimplantasjons genetisk testing (PGT) sykluser, inkludert PGT for aneuploidi, PGT for monogene lidelser (PGT-M) eller PGT for strukturell kromosomdefekt (PGT-SR).
- Å ha minst en dag 5/6 blastocyst utviklet fra to-pronukleært (2PN) embryo som er egnet for trophectoderm biopsi (dvs. ekspansjonsgrad: IV, og minst en grad bedre enn C for trophectoderm og indre cellemassegradering).
- Par med skriftlig informert samtykke.
Ekskluderingskriterier:
- Par med kontraindikasjoner for IVF eller PGT.
- Kvinner med alle oocytter frosset etter uthenting.
- Par som ikke følger studieprotokollen.
- Par som ikke er kvalifisert for påmelding av etterforskeren med tanke på studieprotokoll og behandlingssikkerhet.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Følsomhet
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
|
Sensitivitet = TP/(TP+FN).
TP: antall utfall der en euploid blastocyst er korrekt spådd som euploidi.
FN: antall utfall der en euploid blastocyst er feilaktig spådd som aneuploidi.
Høy sensitivitet indikerer sterk evne til prediksjon av euploide blastocyster.
|
Gjennom studiegjennomføring i snitt 1 år
|
|
Spesifisitet
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
|
Spesifisitet = TN/(TN+FP).
TN: antall utfall der en aneuploid blastocyst er korrekt spådd som aneuploidi.
FP: antall utfall der en aneuploid blastocyst er feilaktig spådd som euploidi.
Høy spesifisitet indikerer sterk evne til prediksjon av aneuploide blastocyster.
|
Gjennom studiegjennomføring i snitt 1 år
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighet
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
|
Nøyaktighet evaluerer antall korrekte spådommer av blastocystploidi over det totale antallet spådommer
|
Gjennom studiegjennomføring i snitt 1 år
|
|
AUC
Tidsramme: Gjennom studiegjennomføring i snitt 1 år
|
AUC er definert som arealet under mottakerens driftskarakteristikk, som evaluerer den generelle modellens ytelse for å forutsi blastocystploidi uavhengig av klassifiseringsterskel.
|
Gjennom studiegjennomføring i snitt 1 år
|
Samarbeidspartnere og etterforskere
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Alpha Scientists in Reproductive Medicine and ESHRE Special Interest Group of Embryology. The Istanbul consensus workshop on embryo assessment: proceedings of an expert meeting. Hum Reprod. 2011 Jun;26(6):1270-83. doi: 10.1093/humrep/der037. Epub 2011 Apr 18.
- Sciorio R, Dattilo M. PGT-A preimplantation genetic testing for aneuploidies and embryo selection in routine ART cycles: Time to step back? Clin Genet. 2020 Aug;98(2):107-115. doi: 10.1111/cge.13732. Epub 2020 Apr 6.
- Belandres D, Shamonki M, Arrach N. Current status of spent embryo media research for preimplantation genetic testing. J Assist Reprod Genet. 2019 May;36(5):819-826. doi: 10.1007/s10815-019-01437-6. Epub 2019 Mar 21.
- Munne S, Kaplan B, Frattarelli JL, Child T, Nakhuda G, Shamma FN, Silverberg K, Kalista T, Handyside AH, Katz-Jaffe M, Wells D, Gordon T, Stock-Myer S, Willman S; STAR Study Group. Preimplantation genetic testing for aneuploidy versus morphology as selection criteria for single frozen-thawed embryo transfer in good-prognosis patients: a multicenter randomized clinical trial. Fertil Steril. 2019 Dec;112(6):1071-1079.e7. doi: 10.1016/j.fertnstert.2019.07.1346. Epub 2019 Sep 21.
- Scott RT Jr, Ferry K, Su J, Tao X, Scott K, Treff NR. Comprehensive chromosome screening is highly predictive of the reproductive potential of human embryos: a prospective, blinded, nonselection study. Fertil Steril. 2012 Apr;97(4):870-5. doi: 10.1016/j.fertnstert.2012.01.104. Epub 2012 Feb 2.
- Wang L, Wang X, Liu Y, Ou X, Li M, Chen L, Shao X, Quan S, Duan J, He W, Shen H, Sun L, Yu Y, Cram DS, Leigh D, Yao Y. IVF embryo choices and pregnancy outcomes. Prenat Diagn. 2021 Dec;41(13):1709-1717. doi: 10.1002/pd.6042. Epub 2021 Oct 14.
- Kushnir VA, Frattarelli JL. Aneuploidy in abortuses following IVF and ICSI. J Assist Reprod Genet. 2009 Mar;26(2-3):93-7. doi: 10.1007/s10815-009-9292-z. Epub 2009 Feb 18.
- Kim JW, Lee WS, Yoon TK, Seok HH, Cho JH, Kim YS, Lyu SW, Shim SH. Chromosomal abnormalities in spontaneous abortion after assisted reproductive treatment. BMC Med Genet. 2010 Nov 3;11:153. doi: 10.1186/1471-2350-11-153.
- Rosenwaks Z, Handyside AH, Fiorentino F, Gleicher N, Paulson RJ, Schattman GL, Scott RT Jr, Summers MC, Treff NR, Xu K. The pros and cons of preimplantation genetic testing for aneuploidy: clinical and laboratory perspectives. Fertil Steril. 2018 Aug;110(3):353-361. doi: 10.1016/j.fertnstert.2018.06.002. No abstract available.
- Cinnioglu C, Glessner H, Jordan A, Bunshaft S. A systematic review of noninvasive preimplantation genetic testing for aneuploidy. Fertil Steril. 2023 Aug;120(2):235-239. doi: 10.1016/j.fertnstert.2023.06.013. Epub 2023 Jun 24.
- Ozgur K, Berkkanoglu M, Bulut H, Yoruk GDA, Candurmaz NN, Coetzee K. Single best euploid versus single best unknown-ploidy blastocyst frozen embryo transfers: a randomized controlled trial. J Assist Reprod Genet. 2019 Apr;36(4):629-636. doi: 10.1007/s10815-018-01399-1. Epub 2019 Jan 7.
- Tiegs AW, Tao X, Zhan Y, Whitehead C, Kim J, Hanson B, Osman E, Kim TJ, Patounakis G, Gutmann J, Castelbaum A, Seli E, Jalas C, Scott RT Jr. A multicenter, prospective, blinded, nonselection study evaluating the predictive value of an aneuploid diagnosis using a targeted next-generation sequencing-based preimplantation genetic testing for aneuploidy assay and impact of biopsy. Fertil Steril. 2021 Mar;115(3):627-637. doi: 10.1016/j.fertnstert.2020.07.052. Epub 2020 Aug 28.
- Chavez-Badiola A, Flores-Saiffe-Farias A, Mendizabal-Ruiz G, Drakeley AJ, Cohen J. Embryo Ranking Intelligent Classification Algorithm (ERICA): artificial intelligence clinical assistant predicting embryo ploidy and implantation. Reprod Biomed Online. 2020 Oct;41(4):585-593. doi: 10.1016/j.rbmo.2020.07.003. Epub 2020 Jul 5.
- Diakiw SM, Hall JMM, VerMilyea MD, Amin J, Aizpurua J, Giardini L, Briones YG, Lim AYX, Dakka MA, Nguyen TV, Perugini D, Perugini M. Development of an artificial intelligence model for predicting the likelihood of human embryo euploidy based on blastocyst images from multiple imaging systems during IVF. Hum Reprod. 2022 Jul 30;37(8):1746-1759. doi: 10.1093/humrep/deac131.
- Barnes J, Brendel M, Gao VR, Rajendran S, Kim J, Li Q, Malmsten JE, Sierra JT, Zisimopoulos P, Sigaras A, Khosravi P, Meseguer M, Zhan Q, Rosenwaks Z, Elemento O, Zaninovic N, Hajirasouliha I. A non-invasive artificial intelligence approach for the prediction of human blastocyst ploidy: a retrospective model development and validation study. Lancet Digit Health. 2023 Jan;5(1):e28-e40. doi: 10.1016/S2589-7500(22)00213-8.
- Danardono GB, Handayani N, Louis CM, Polim AA, Sirait B, Periastiningrum G, Afadlal S, Boediono A, Sini I. Embryo ploidy status classification through computer-assisted morphology assessment. AJOG Glob Rep. 2023 May 18;3(3):100209. doi: 10.1016/j.xagr.2023.100209. eCollection 2023 Aug.
- Jiang VS, Bormann CL. Noninvasive genetic screening: current advances in artificial intelligence for embryo ploidy prediction. Fertil Steril. 2023 Aug;120(2):228-234. doi: 10.1016/j.fertnstert.2023.06.025. Epub 2023 Jun 30.
- Lee CI, Su YR, Chen CH, Chang TA, Kuo EE, Zheng WL, Hsieh WT, Huang CC, Lee MS, Liu M. End-to-end deep learning for recognition of ploidy status using time-lapse videos. J Assist Reprod Genet. 2021 Jul;38(7):1655-1663. doi: 10.1007/s10815-021-02228-8. Epub 2021 May 22.
- Huang B, Tan W, Li Z, Jin L. An artificial intelligence model (euploid prediction algorithm) can predict embryo ploidy status based on time-lapse data. Reprod Biol Endocrinol. 2021 Dec 13;19(1):185. doi: 10.1186/s12958-021-00864-4.
- Jiang VS, Kandula H, Thirumalaraju P, Kanakasabapathy MK, Cherouveim P, Souter I, Dimitriadis I, Bormann CL, Shafiee H. The use of voting ensembles to improve the accuracy of deep neural networks as a non-invasive method to predict embryo ploidy status. J Assist Reprod Genet. 2023 Feb;40(2):301-308. doi: 10.1007/s10815-022-02707-6. Epub 2023 Jan 14.
- Paya E, Pulgarin C, Bori L, Colomer A, Naranjo V, Meseguer M. Deep learning system for classification of ploidy status using time-lapse videos. F S Sci. 2023 Aug;4(3):211-218. doi: 10.1016/j.xfss.2023.06.002. Epub 2023 Jun 30.
- Shan G, Dai C, Liu H, Wang X, Dou W, Zhang Z, Sun Y. 3D Morphology Measurement for Blastocyst Evaluation From "All Angles". IEEE Trans Biomed Eng. 2023 Jun;70(6):1921-1930. doi: 10.1109/TBME.2022.3232068. Epub 2023 May 19.
- Shan G, Abdalla K, Liu H, Dai C, Tan J, Law J, Steinberg C, Li A, Kuznyetsova I, Zhang Z, Librach C, Sun Y. Non-invasively predicting euploidy in human blastocysts via quantitative 3D morphology measurement: a retrospective cohort study. Reprod Biol Endocrinol. 2024 Oct 28;22(1):132. doi: 10.1186/s12958-024-01302-x.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Andre studie-ID-numre
- 2024-739-02
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
IPD-delingstidsramme
Tilgangskriterier for IPD-deling
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- ICF
- ANALYTIC_CODE
- CSR
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
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. .