Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

ARTIFICIAL INTELLIGENS INOM REPRODUKTIV MEDICIN (AI in ART)

17 januari 2023 uppdaterad av: Dr. Kamal Rageh, MD, Al Baraka Fertility Hospital

TILLÄMPNINGAR FÖR ARTIFICIAL INTELLIGENS INOM REPRODUKTIV MEDICIN

Många studier har publicerats som undersöker användningen av AI som en opartisk, automatiserad metod för embryobedömning. Denna recension kommer att sammanfatta de senaste framstegen inom AI inom IVF-området. Förhoppningsvis kan det att införliva AI-teknik i IVF-klinikerna vara nästa gräns på resan mot personlig reproduktiv medicin och förbättrade fertilitetsresultat för patienter.

Studieöversikt

Detaljerad beskrivning

ARTIFICIAL INTELLIGENS (AI) APPLIKATIONER INOM REPRODUKTIV MEDICIN

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

Mohammad Atef Behery, M.D. (2)

Elsayed Ali Farag, M.D. (1)

1 - Institutionen för obstetrik och gynekologi, Medicinska fakulteten, Al-Azhar University, Kairo, Egypten.

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

Abstrakt:

Trots förbättrade nästan alla aspekter av IVF: äggstocksstimulering, embryokultur och överföring, är graviditetsfrekvensen fortfarande inte tillfredsställande. Studier bekräftar att upp till 50 % av de utförda IVF-cyklerna misslyckas och det kanske inte finns någon direkt förklaring till detta.

Och det är värt att nämna att exakt förutsägelse av resultatet av en IVF-cykel ännu inte har uppnåtts. En anledning till detta är metoden för att välja ett embryo för överföring. Morfologisk bedömning av embryon är den traditionella metoden för att utvärdera embryonkvalitet och välja vilket embryo som ska överföras. Men denna subjektiva metod för att bedöma embryon leder till inter- och intra-observatörsvariabilitet, vilket resulterar i mindre än optimala IVF-framgångsfrekvenser. Även om time-lapse-inkubatorer och preimplantationsgenetisk testning för aneuploidi har introducerats för att öka chanserna för levande födsel, förblir resultaten mindre än idealiska.

För närvarande utövar infertilitetsbehandlingar mycket ekonomisk och emotionell stress, särskilt hos patienter med tidigare misslyckade IVF-behandlingar, där det inte finns någon tydlig orsak att identifiera är en vanlig, hjärtskärande slutpunkt när den känslomässiga, ekonomiska och fysiska bördan av behandlingen eskalerar till fortsätt hitta svar, men AI-system kan hjälpa till att lösa dilemmat genom att välja de bästa livskraftiga embryona som människor inte kan göra. AI-teknologier har utmärkt potential att hjälpa infertilitetsfältet att skjuta i höjden över dess nuvarande smala fokus på enskilda embryon och upptäcka nya mönster gömda i patientdata för att övervinna de rådande infertilitetsfallen.

Embryonvalet är den mest kritiska faktorn för framgång med IVF. Det finns dock inget enskilt definitivt kriterium som kan förutsäga framgången för ett embryo. Snarare baseras embryoselektion på en mängd olika faktorer, vilket gör det svårt att förutsäga sannolikheten för en framgångsrik graviditet för varje patient och att fullt ut förstå orsaken till varje misslyckande. Så användning av artificiell intelligens (AI) kan stödja klinikerna i att fylla denna kunskapslucka, och därigenom utnyttjas i embryologilaboratoriet för att förbättra IVF-resultaten.

Studietyp

Observationell

Inskrivning (Förväntat)

10

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

      • Cairo, Egypten, 12358
        • Rekrytering
        • Al-Azhar University
        • Kontakt:
      • Cairo, Egypten, 15006
        • Rekrytering
        • Kamal Eldin Abdalla Rageh
        • Kontakt:

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

de människor som kommer till fertilitetskliniker

Beskrivning

Inklusionskriterier:

  • fertilitetsrelaterad

Exklusions kriterier:

  • fertila människor

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Observationsmodeller: Övrig
  • Tidsperspektiv: Övrig

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
FRAMGÅNG
Tidsram: 4 MÅNADER
ARTIFICIAL INTELLIGENS (AI) APPLIKATIONER INOM REPRODUKTIV MEDICIN
4 MÅNADER

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

1 november 2022

Primärt slutförande (Förväntat)

1 mars 2023

Avslutad studie (Förväntat)

1 april 2023

Studieregistreringsdatum

Först inskickad

17 januari 2023

Först inskickad som uppfyllde QC-kriterierna

17 januari 2023

Första postat (Uppskatta)

26 januari 2023

Uppdateringar av studier

Senaste uppdatering publicerad (Uppskatta)

26 januari 2023

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

17 januari 2023

Senast verifierad

1 januari 2023

Mer information

Termer relaterade till denna studie

Andra studie-ID-nummer

  • Kamal-AI

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

Obeslutsam

IPD-planbeskrivning

ska tänka på det

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på ARTIFICIAL INTELLIGENS (AI)

3
Prenumerera