- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07515118
AI-TOP-studiet: Kunstig intelligens for triggeroptimalisering. (AI-TOP)
En tilnærming basert på kunstig intelligens for å velge den optimale dagen for utløsning.
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Assistert reproduktiv teknologi gjennomgår en stor transformasjon med introduksjonen av kunstig intelligens (KI), som omformer hvordan medisinske behandlinger utføres. I IVF har en av de vedvarende utfordringene vært å maksimere antall hentede eggceller samtidig som man effektivt håndterer klinisk arbeidsbelastning – spesielt ved å redusere helgeprosedyrer – uten å kompromisse med resultatene. Selv om en pasients respons kan variere mellom sykluser, viser bevis at justering av utløserdagen med én dag ikke påvirker de kliniske resultatene signifikant, noe som muliggjør mer fleksibel planlegging.
KI muliggjør et skift fra standardiserte protokoller til personaliserte behandlinger, som forbedrer kliniske resultater, strømlinjeformer prosesser og øker operasjonell effektivitet. Nylig forskning viser at KI-baserte modeller kan optimalisere eggstokkstimulering, forbedre utløserdagsvalg og øke antall befruktede eggceller sammenlignet med beslutninger tatt utelukkende av leger. KI-algoritmer har også nøyaktig forutsagt antall hentede eggceller, noe som bidrar til mer effektive protokoller og høyere levendefødselsrater.
Utover utløsertidspunktet har KI vist seg å forbedre arbeidsflyteffektiviteten i IVF-klinikker ved å optimalisere overvåkingsplaner og balansere klinisk arbeidsbelastning uten å påvirke syklusresultatene negativt.
Basert på dette økende beviset ble en randomisert kontrollert studie designet for å sammenligne kliniske resultater av kontrollert eggstokkstimulering når utløser- og hentebeslutninger tas utelukkende av legen versus når legen assisteres av KI-veiledning.
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
-
Barcelona, Spania, 08028
- Rekruttering
- Hospital Universitario Quirón Dexeus
-
Ta kontakt med:
- Nikolaos P Polyzos, MD PhD
- Telefonnummer: 0034932274700
- E-post: nikpol@dexeus.com
-
Ta kontakt med:
- Ignacio Rodriguez, MSc
- Telefonnummer: 0034932274700
- E-post: nacrod@dexeus.com
-
Hovedetterforsker:
- Nikolaos P Polyzos, MD PhD
-
Underetterforsker:
- Valeria Donno, MD
-
Underetterforsker:
- Mariana B Miguens, MD
-
Underetterforsker:
- Gerarda Gaeta, MD
-
Tarragona, Spania, 43206
- Har ikke rekruttert ennå
- Dexeus Mujer Tarragona
-
Ta kontakt med:
- Josep Gonzalo, MD
- E-post: josgon@dexeus.com
-
Hovedetterforsker:
- Josep Gonzalo, MD
-
-
Barcelona
-
Sabadell, Barcelona, Spania
- Har ikke rekruttert ennå
- Dexeus Mujer Sabadell
-
Ta kontakt med:
- Ainhoa Coco, MD
- Telefonnummer: 0034932274700
- E-post: aincoc@dexeus.com
-
Hovedetterforsker:
- Ainhoa Coco, MD
-
Sant Cugat del Vallès, Barcelona, Spania, 08195
- Har ikke rekruttert ennå
- Dexeus Mujer Sant Cugat
-
Ta kontakt med:
- Ainhoa Coco, MD
- Telefonnummer: 0034932274700
- E-post: aincoc@dexeus.com
-
Hovedetterforsker:
- Ainhoa Coco, MD
-
-
Tarragona
-
Reus, Tarragona, Spania, 43202
- Har ikke rekruttert ennå
- Dexeus Mujer Reus
-
Ta kontakt med:
- Josep Gonzalo, MD
- E-post: josgon@dexeus.com
-
Hovedetterforsker:
- Josep Gonzalo, MD
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- Gjennomgår COS for IVF med autologe eggceller, eggdonasjon og elektiv fruktbarhetsbevaring med all overvåkingsultralyd (ultralydskanning) utført ved våre sentre.
Eksklusjonskriterier:
- Medisinsk indikert fruktbarhetsbevaring
- Manglende evne til å delta på klinikkbesøk for overvåkning.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Behandling
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: AI-algoritme
Trigger-beslutninger vil bli tatt av legen med assistanse fra AI-veiledning.
|
Den AI-algoritmen som brukes i denne studien er STIMAI®.
STIMAI® er et programvarebasert kunstig intelligens-system som hjelper klinikere ved å gi datadrevne innsikter for å optimalisere fertilitetsbehandlingsprosessen og støtte unnfangelse.
Programvaren er utformet som et klinisk beslutningsstøtteverktøy og erstatter ikke legens skjønn; endelige kliniske beslutninger vil forbli under ansvaret til behandlende lege. Legen vil konsultere AI-applikasjonen, som forutsier antallet MII-oocytter for forskjellige triggerdager.
Hvis algoritmen anbefaler å trigge i dag eller i morgen, vil legen velge hvilket alternativ som skal følges.
|
|
Aktiv komparator: Rutinemessig klinisk behandling
Etter rutinemessig klinisk behandling med avgjørelser om eggløsningsutløser tatt av legen alene,
|
Så snart 2-3 follikler på 17 mm er påvist, vil legen bestemme tidspunktet for eggløsningsutløsning basert på klinisk skjønn.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
MII eggceller
Tidsramme: Dag for oppsamling ca. 34-36 timer etter eggløsningsutløser.
|
Antall MII-oocyter hentet ved oocytpickup.
|
Dag for oppsamling ca. 34-36 timer etter eggløsningsutløser.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Fordelingen av henteprosedyrer i løpet av uken.
Tidsramme: Vurdert ved slutten av stimuleringssyklusen, når hentingsplanen er fullført. ca. 34-36 timer etter utløser for eggløsning.
|
: Mønsteret eller fordelingen av eggcellehentingsprosedyrer på ukedagene under en IVF-syklus.
|
Vurdert ved slutten av stimuleringssyklusen, når hentingsplanen er fullført. ca. 34-36 timer etter utløser for eggløsning.
|
|
Antall COCer
Tidsramme: Målt på dagen for egguthenting. ca. 34-36 timer etter utløsning av eggløsning.
|
Det totale antallet oocytter omgitt av cumulusceller som hentes under oocytplukkingen, som reflekterer ovarial respons på stimulering.
|
Målt på dagen for egguthenting. ca. 34-36 timer etter utløsning av eggløsning.
|
|
Stimuleringslengde (dager)
Tidsramme: Fra første stimuleringsdag til dagen ovulasjonstriggeren administreres. Opptil 8-15 dager
|
Det totale antall dager en pasient mottar gonadotropiner for kontrollert ovarialstimulering før utløsning av eggløsning.
|
Fra første stimuleringsdag til dagen ovulasjonstriggeren administreres. Opptil 8-15 dager
|
|
FORT (preovulatoriske follikler på utløserdag/AFC)
Tidsramme: AFC måles ved baseline (syklusdag 2-3); pre-ovulatoriske follikler telles på trigger-dagen. Opptil 8-15 dager
|
Et mål på folikkelrespons beregnet som antall preovulatoriske follikler på triggerdagen delt på basisantall antralfollikler (AFC).
Det reflekterer effektiviteten av stimuleringen i veksten av rekrutterbare follikler.
|
AFC måles ved baseline (syklusdag 2-3); pre-ovulatoriske follikler telles på trigger-dagen. Opptil 8-15 dager
|
|
FOI (N COCs/AFC)
Tidsramme: AFC målt ved baseline; COC-er telles på hentingsdagen ca. 34-36 timer etter eggløsningsutløser.
|
Antall hentede cumulus-oocyt-komplekser delt på baseline-antralfollikkeltelling (AFC), som indikerer hvor effektivt baseline-folliklene resulterte i hentede eggceller.
|
AFC målt ved baseline; COC-er telles på hentingsdagen ca. 34-36 timer etter eggløsningsutløser.
|
|
Antall besøk
Tidsramme: Telt fra starten av stimuleringen til utløserdagen. opptil 8-12 dager
|
Totalt antall besøk for klinisk overvåking som kreves under kontrollert ovarie-stimulering, inkludert ultralydundersøkelser og blodprøver.
|
Telt fra starten av stimuleringen til utløserdagen. opptil 8-12 dager
|
|
Spontan ovulasjon
Tidsramme: Oppdaget mellom administrering av utløseren og den planlagte egghentingen. ca. 34-36 timer etter eggløsningsutløseren.
|
Forekomst av utilsiktet follikkelruptur før egguthenting, som indikerer at eggløsning skjedde før den planlagte prosedyren til tross for overvåkning.
|
Oppdaget mellom administrering av utløseren og den planlagte egghentingen. ca. 34-36 timer etter eggløsningsutløseren.
|
Samarbeidspartnere og etterforskere
Sponsor
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Blockeel C, Engels S, De Vos M, Haentjens P, Polyzos NP, Stoop D, Camus M, Devroey P. Oestradiol valerate pretreatment in GnRH-antagonist cycles: a randomized controlled trial. Reprod Biomed Online. 2012 Mar;24(3):272-80. doi: 10.1016/j.rbmo.2011.11.012. Epub 2011 Nov 30.
- Babayev E. Man versus machine in in vitro fertilization-can artificial intelligence replace physicians? Fertil Steril. 2020 Nov;114(5):963. doi: 10.1016/j.fertnstert.2020.07.042. Epub 2020 Aug 17. No abstract available.
- Canon C, Leibner L, Fanton M, Chang Z, Suraj V, Lee JA, Loewke K, Hoffman D. Optimizing oocyte yield utilizing a machine learning model for dose and trigger decisions, a multi-center, prospective study. Sci Rep. 2024 Aug 20;14(1):18721. doi: 10.1038/s41598-024-69165-1.
- Chow DJX, Wijesinghe P, Dholakia K, Dunning KR. Does artificial intelligence have a role in the IVF clinic? Reprod Fertil. 2021 Aug 23;2(3):C29-C34. doi: 10.1530/RAF-21-0043. eCollection 2021 Jul.
- Dimitriadis I, Zaninovic N, Badiola AC, Bormann CL. Artificial intelligence in the embryology laboratory: a review. Reprod Biomed Online. 2022 Mar;44(3):435-448. doi: 10.1016/j.rbmo.2021.11.003. Epub 2021 Nov 12.
- Ferrand T, Boulant J, He C, Chambost J, Jacques C, Pena CA, Hickman C, Reignier A, Freour T. Predicting the number of oocytes retrieved from controlled ovarian hyperstimulation with machine learning. Hum Reprod. 2023 Oct 3;38(10):1918-1926. doi: 10.1093/humrep/dead163.
- Hariton E, Chi EA, Chi G, Morris JR, Braatz J, Rajpurkar P, Rosen M. A machine learning algorithm can optimize the day of trigger to improve in vitro fertilization outcomes. Fertil Steril. 2021 Nov;116(5):1227-1235. doi: 10.1016/j.fertnstert.2021.06.018. Epub 2021 Jul 10.
- Letterie G, MacDonald A, Shi Z. An artificial intelligence platform to optimize workflow during ovarian stimulation and IVF: process improvement and outcome-based predictions. Reprod Biomed Online. 2022 Feb;44(2):254-260. doi: 10.1016/j.rbmo.2021.10.006. Epub 2021 Oct 20.
Hjelpsomme linker
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
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
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- FSD-AIG-2025-20
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .