Оценка зрелости ооцитов с использованием количественной оценки биомаркера объема фолликула на основе искусственного интеллекта по данным трехмерного ультразвукового исследования
Evaluation of oocyte maturity using artificial intelligence quantification of follicle volume biomarker by three-dimensional ultrasound
Аннотация
Вопрос исследования: Можно ли создать новый биомаркер объема фолликула на основе глубокого обучения и трехмерного ультразвукового исследования (3D-УЗИ), чтобы помочь в оценке зрелости ооцитов, выборе времени введения ХГЧ и индивидуальном прогнозировании гиперответа яичников?
Дизайн: В исследование включили 515 циклов ЭКО; в день введения ХГЧ выполняли 3D-УЗИ. Биомаркер объема фолликула, созданный с помощью алгоритма сегментации на основе глубокого обучения, использовали для расчета оптимального объема ведущего фолликула с целью прогнозирования числа полученных зрелых ооцитов и оптимизации времени триггера ХГЧ. Эффективность нового порогового значения биомаркера сравнивали с традиционным измерением диаметра фолликулов по двухмерному ультразвуковому исследованию (2D-УЗИ) при оценке исхода пункции ооцитов. Кроме того, на основе демографических данных, результатов обследования по поводу бесплодия и ультразвуковых биомаркеров построили модели для прогнозирования гиперответа яичников.
Результаты: На основе метода глубокого обучения оптимальное пороговое значение биомаркера объема фолликула для прогнозирования числа полученных зрелых ооцитов составило 0,5 см3; по эффективности оно значительно превосходило традиционный метод (измерение диаметра по двумерному УЗИ ≥10 мм). Пороговое значение объема ведущего фолликула для оптимизации времени триггера ХГЧ составило 3,0 см3 и было значимо связано с большим числом полученных зрелых ооцитов (P = 0,01). Точность модели многослойного перцептрона в прогнозировании гиперответа яичников была выше, чем у измерения диаметра по двумерному УЗИ (0,890 против 0,785) и других многомерных классификаторов (P < 0,001).33
Выводы: Методы сегментации на основе глубокого обучения и многомерные классификаторы, основанные на 3D-УЗИ, могут быть эффективны для оценки исхода получения зрелых ооцитов и индивидуального прогнозирования гиперответа яичников.
Переведем эту статью за 1 час
Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.
Попробовать бесплатно →Также в Подтеме: еженедельные литобзоры и база международных клинреков по репродуктологии.