- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT06762704
Ocena modelu sztucznej inteligencji do przewidywania ploidalności blastocysty u człowieka bez procedur inwazyjnych
Nieinwazyjny model sztucznej inteligencji do przewidywania ploidalności blastocysty u człowieka: wieloośrodkowe, prospektywne, nierandomizowane badanie walidacyjne
Celem tego badania klinicznego jest ocena modelu sztucznej inteligencji pod kątem przewidywania ploidalności blastocysty u ludzi bez zabiegów inwazyjnych u par, które przechodzą badania genetyczne przed implantacją. Główne pytania, na które ma odpowiedzieć, to:
- Czy model sztucznej inteligencji jest w stanie przewidzieć stan ploidalności ludzkiej blastocysty na podstawie jej morfologii 3D?
- Czy ilościowe trójwymiarowe parametry morfologiczne komórek trofektodermy i masy komórek wewnętrznych mają silną korelację ze stanem ploidalności blastocysty u człowieka?
Filmy zawierające obrazy każdej blastocysty pochodzące z wielu widoków od uczestników zostaną zebrane w 5. i 6. dniu hodowli, a wyniki badań genetycznych tych blastocyst przed implantacją zostaną zebrane 4–8 tygodni po biopsji trofektodermy.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
Tło:
Badanie pilotażowe przeprowadzono w stowarzyszonym szpitalu Nanjing Drum Tower Hospital należącym do Szkoły Medycznej Uniwersytetu w Nanjing w okresie od sierpnia 2023 r. do września 2024 r. Retrospektywnie zebrano filmy i wyniki preimplantacyjnych testów genetycznych (PGT) 144 blastocyst. Model sztucznej inteligencji (AI) najpierw zrekonstruował trójwymiarową powierzchnię blastocyst na podstawie filmów, a następnie zmierzył ich trójwymiarowe parametry morfologiczne. W oparciu o te parametry model przewidywał stan ploidalności blastocyst, a wyniki przewidywań porównano z wynikami PGT. Czułość przewidywania, swoistość, dokładność i AUC wyniosły odpowiednio 90,5%, 91,3%, 90,9% i 0,946.
Projekt badania:
Jest to wieloośrodkowe, prospektywne, nierandomizowane, niezaślepione badanie przeprowadzone w jednej grupie. Po otrzymaniu informacji o badaniu i potencjalnych zagrożeniach wszyscy uczestnicy wypiszą świadomą zgodę. Zostaną zebrane filmy i wyniki PGT blastocyst z dnia 5/6 od każdego uczestnika. Blastocysty zostaną sklasyfikowane jako euploidalne, mozaikowe i aneuploidalne, co odpowiada odpowiednio <30%, 30-80% i >80% aneuploidii. Hodowla zarodków, biopsja i transfer będą przebiegać zgodnie ze standardową procedurą operacyjną (SOP) w laboratorium. Badanie ma charakter nieinterwencyjny, a jego wyniki nie zostaną wykorzystane do podjęcia decyzji dotyczących leczenia.
Rozmiar próbki:
Planujemy włączyć do tego badania około 1408 blastocyst z 5./6. dnia w oparciu o analizę czułości i specyficzności jednej próbki. Metaanaliza pokazuje, że czułość i swoistość istniejących modeli sztucznej inteligencji wynosi 73,4% (3702/5047) i 69,6% (4892/7028), a nieinwazyjnych metod przesiewowych chromosomów wynosi 80,3% (678/844) i 73,3% (908/1238) w przypadku nieinwazyjnego przewidywania stanu ploidalności blastocysty. Zakłada się, że badanie to charakteryzuje się czułością nie mniejszą niż 85% i swoistością nie mniejszą niż 80% przy poziomie istotności α = 0,05. Aby uzyskać moc statystyczną 0,9, potrzeba łącznie 1126 blastocyst. Zakładając, że wskaźnik rezygnacji wynosi ~20%, przewiduje się, że do badania zostanie włączonych ogółem 1408 blastocyst. Obliczenie wielkości próby opiera się na analizie mocy statystycznej i będzie regularnie przeglądane/dostosowywane w okresie próbnym, aby zapewnić osiągnięcie wysokiej mocy statystycznej.
Zarządzanie danymi:
Do gromadzenia danych zostanie wykorzystany system elektronicznego gromadzenia danych (EDC). W każdym szpitalu zostanie wyznaczony koordynator badań klinicznych, który będzie odpowiedzialny za rejestrowanie filmów i danych klinicznych za pośrednictwem systemu EDC. Starszy specjalista ds. badań klinicznych będzie regularnie sprawdzał dane w systemie EDC w 5 szpitalach. Za nadzór nad całym procesem badawczym i systemem EDC odpowiada Komitet ds. Bezpieczeństwa i Monitorowania Danych (DSMC). W przypadku niekompletnych lub brakujących danych w systemie EDC DSMC skontaktuje się z śledczymi w celu wyjaśnienia.
Analiza statystyczna:
Analiza statystyczna zostanie przeprowadzona przy użyciu programu IBM SPSS Statistics 26. Zmienne kategoryczne zostaną opisane za pomocą liczby i procentu, a zmienne liczbowe zostaną opisane za pomocą średniej, odchylenia standardowego (SD) i zakresu. Test chi-kwadrat zostanie przeprowadzony w celu analizy trendów w zmiennych kategorycznych, a test t zostanie przeprowadzony w celu porównania zmiennych numerycznych pomiędzy różnymi grupami. Korelacja Pearsona zostanie wykorzystana do analizy liniowej zależności pomiędzy zmiennymi numerycznymi. Wszystkie testy statystyczne są dwustronne. Wartości P <0,05 będą uważane za statystycznie istotne i obliczane będą ilorazy nieparzystości (OR) z 95% przedziałem ufności (CI). Regresja logistyczna zostanie wykorzystana do analizy wieloczynnikowej w celu obliczenia skorygowanych ilorazów szans (aOR). Skuteczność sztucznej inteligencji w przewidywaniu ploidalności blastocysty zostanie oceniona na podstawie czułości, swoistości, dokładności i AUC, z 95% przedziałem ufności.
Brakujące dane zostaną usunięte, jeśli odsetek próbek z brakującymi wartościami jest bardzo mały w stosunku do całkowitej wielkości próbki. W przeciwnym razie do przypisania brakujących wartości zostanie użyty model średniej, maksymalnej, minimalnej, średniej lub regresji. Wartości odstające będą traktowane jako brakujące dane i odpowiednio uwzględniane.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Shanshan Wang
- Numer telefonu: 13814549922
- E-mail: wss_19860820@sina.com
Kopia zapasowa kontaktu do badania
- Nazwa: Haixiang Sun
- Numer telefonu: 13851622008
- E-mail: stevensunz@163.com
Lokalizacje studiów
-
-
Anhui
-
Hefei, Anhui, Chiny, 230001
- The First Affiliated Hospital of USTC (Anhui Provincial Hospital)
-
Kontakt:
- Limin Wu
- Numer telefonu: 18963797080
- E-mail: wuliminmail@126.com
-
Kontakt:
- Limin Wu
-
-
Jiangsu
-
Nanjing, Jiangsu, Chiny, 210008
- The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
-
Kontakt:
- Shanshan Wang
- Numer telefonu: 13814549922
- E-mail: wss_19860820@sina.com
-
Kontakt:
- Haixiang Sun
-
-
Jiangxi
-
Nanchang, Jiangxi, Chiny, 330046
- Jiangxi Maternal and Child Health Hospital
-
Kontakt:
- Yan Zhao
- Numer telefonu: 13807056599
- E-mail: zhaoyan1972009@163.com
-
Kontakt:
- Yan Zhao
-
-
Shaanxi
-
Xi'an, Shaanxi, Chiny, 710024
- Tangdu Hospital of Air Force Military Medical University
-
Kontakt:
- Xiaohong Wang
-
Kontakt:
- Xiaohong Wang
- Numer telefonu: 13991262559
- E-mail: wangxh919@fmmu.edu.cn
-
-
Shanghai
-
Shanghai, Shanghai, Chiny, 200127
- Renji Hospital Affiliated to Shanghai Jiao Tong University School of Medicine
-
Kontakt:
- Yun Sun
-
Kontakt:
- Yun Sun
- Numer telefonu: 13601634278
- E-mail: syun163@163.com
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Niniejsze badanie jest wieloośrodkowym badaniem, które zostanie przeprowadzone w pięciu ośrodkach medycyny reprodukcyjnej w ośmiu prowincjach Chin (Jiangsu, Szanghaj, Jiangxi, Shaanxi i Anhui). Głównym ośrodkiem badawczym będzie stowarzyszony szpital Nanjing Drum Tower należący do Szkoły Medycznej Uniwersytetu w Nanjing. Szpital Renji stowarzyszony ze Szkołą Medyczną Uniwersytetu Jiao Tong w Szanghaju, Szpital Zdrowia Matki i Dziecka w Jiangxi, Szpital Tangdu Wojskowego Uniwersytetu Medycznego Sił Powietrznych i Pierwszy Szpital Stowarzyszony USTC (szpital prowincjonalny Anhui) będą pełnić rolę ośrodków badawczych uczestniczących w badaniu.
Filmy zawierające wieloobrazowe obrazy ludzkich blastocyst zostaną zebrane w 5. i 6. dniu hodowli. Wyniki PGT-A tych blastocyst zostaną zebrane 4-8 tygodni po biopsji trofektodermy. Badanie ma charakter nieinterwencyjny, a jego wyniki nie zostaną wykorzystane do podjęcia decyzji dotyczących leczenia.
Opis
Kryteria włączenia:
- Wiek matki od 20 do 40 lat; wiek ojca od 20 do 55 lat.
- Cykle preimplantacyjnych testów genetycznych (PGT), w tym PGT w kierunku aneuploidii, PGT w przypadku zaburzeń monogenowych (PGT-M) lub PGT w przypadku strukturalnego defektu chromosomu (PGT-SR).
- Posiadanie co najmniej jednej blastocysty w dniu 5/6 rozwiniętej z zarodka dwujądrowego (2PN), który nadaje się do biopsji trofektodermy (tj. stopień ekspansji: IV i co najmniej stopień lepszy niż C w przypadku trofektodermy i oceny masy komórek wewnętrznych).
- Pary posiadające pisemną świadomą zgodę.
Kryteria wykluczenia:
- Pary z przeciwwskazaniami do IVF lub PGT.
- Kobiety, których wszystkie oocyty zostały zamrożone po pobraniu.
- Pary, które nie przestrzegają protokołu badania.
- Pary uznane przez badacza za niekwalifikujące się do włączenia do badania ze względu na protokół badania i bezpieczeństwo leczenia.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wrażliwość
Ramy czasowe: Do ukończenia studiów, średnio 1 rok
|
Czułość = TP/(TP+FN).
TP: liczba wyników, w przypadku których prawidłowo przewidywano euploidalną blastocystę jako euploidię.
FN: liczba wyników, w przypadku których euploidalna blastocysta została błędnie przewidziana jako aneuploidia.
Wysoka czułość wskazuje na dużą zdolność przewidywania euploidalnych blastocyst.
|
Do ukończenia studiów, średnio 1 rok
|
|
Specyficzność
Ramy czasowe: Do ukończenia studiów, średnio 1 rok
|
Specyficzność = TN/(TN+FP).
TN: liczba wyników, w przypadku których aneuploidalną blastocystę prawidłowo przewidywano jako aneuploidię.
FP: liczba wyników, w przypadku których aneuploidalna blastocysta została błędnie przewidziana jako euploidia.
Wysoka swoistość wskazuje na dużą zdolność przewidywania aneuploidalnych blastocyst.
|
Do ukończenia studiów, średnio 1 rok
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność
Ramy czasowe: Do ukończenia studiów, średnio 1 rok
|
Dokładność ocenia liczbę prawidłowych przewidywań dotyczących ploidii blastocysty w stosunku do całkowitej liczby przewidywań
|
Do ukończenia studiów, średnio 1 rok
|
|
AUC
Ramy czasowe: Do ukończenia studiów, średnio 1 rok
|
AUC definiuje się jako obszar pod krzywą charakterystyki działania odbiornika, która ocenia ogólną skuteczność modelu w przewidywaniu ploidalności blastocysty niezależnie od progu klasyfikacji.
|
Do ukończenia studiów, średnio 1 rok
|
Współpracownicy i badacze
Współpracownicy
Śledczy
- Główny śledczy: Haixiang Sun, The Affiliated Nanjing Drum Tower Hospital of Nanjing University Medical School
Publikacje i pomocne linki
Publikacje ogólne
- 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.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Inne numery identyfikacyjne badania
- 2024-739-02
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Ramy czasowe udostępniania IPD
Kryteria dostępu do udostępniania IPD
Typ informacji pomocniczych dotyczących udostępniania IPD
- PROTOKÓŁ BADANIA
- SOK ROŚLINNY
- ICF
- ANALITYCZNY_KOD
- CSR
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .