Научная статья

Применение машинного обучения для прогнозирования анеуплоидии и мозаицизма у эмбрионов в циклах экстракорпорального оплодотворения

Application of machine learning to predict aneuploidy and mosaicism in embryos from in vitro fertilization cycles

AJOG Global Reports
10.1016/j.xagr.2022.100103
Полный текст Открыть в журнале PubMed PMC
FWCI: 5.87FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 13 · Ссылки: 42 · Лицензия: CC-BY-NC-ND
Цитирование по годам: 2026: 1 · 2025: 5 · 2024: 6 · 2023: 4

Аннотация

Введение: Факторы, связанные с анеуплоидией эмбриона, изучены достаточно подробно. В основном с возникновением хромосомных нарушений у эмбриона связывают возраст матери и, в меньшей степени, мужской фактор и стимуляцию яичников. При этом основные факторы, которые могут повышать частоту мозаицизма эмбрионов, до настоящего времени не установлены.

Цель: Разработать модель машинного обучения, позволяющую прогнозировать анеуплоидии и мозаицизм у эмбрионов, полученных в циклах экстракорпорального оплодотворения, и определить переменные, связанные с этими хромосомными нарушениями.

Дизайн исследования: Обсервационное ретроспективное исследование. В анализ включили 6989 эмбрионов из 2476 циклов преимплантационного генетического тестирования на анеуплоидии за период с января 2013 по декабрь 2020 года. Биоптаты трофэктодермы бластоцист на 5-, 6- или 7-е сутки анализировали методом преимплантационного генетического тестирования на анеуплоидии (PGT-A). В базе данных регистрировали различные характеристики матери, отца, пары, эмбриона и цикла экстракорпорального оплодотворения (22 предикторные переменные), на основе которых были разработаны прогностические модели анеуплоидии эмбриона и мозаицизма; для построения моделей использовали 16 различных алгоритмов машинного обучения без учителя.

Результаты: Были построены две прогностические модели: для анеуплоидии и для мозаицизма. Предикторная переменная имела мультиклассовый тип, поскольку включала категории сегментарных нарушений и нарушений целых хромосом. Лучшими прогностическими моделями как для анеуплоидии, так и для мозаицизма оказались модели, полученные с помощью алгоритма Random Forest. Площадь под ROC-кривой составила 0,792 для объясняющей модели анеуплоидии и 0,776 для мозаицизма. Наиболее важной переменной в итоговой модели анеуплоидии был возраст матери, далее следовали кариотипы отца и матери, а также качество эмбриона. В прогностической модели мозаицизма наиболее важными переменными были метод, использованный при преимплантационном генетическом тестировании на анеуплоидии, и качество эмбриона, далее — возраст матери и день биопсии.

Выводы: Анеуплоидию и мозаицизм эмбриона можно прогнозировать по некоторым характеристикам пациентов и их эмбрионов.

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 акушерству и гинекологии.