Отбор эмбрионов с помощью искусственного интеллекта в сравнении с эмбриологами: систематический обзор

Вопрос исследования: Какова текущая эффективность поддержки принятия решений на основе искусственного интеллекта при отборе эмбрионов по сравнению со стандартным отбором эмбриологами?

Краткий ответ: Искусственный интеллект последовательно превосходил клинические команды во всех исследованиях, посвященных оценке морфологии эмбрионов и прогнозированию клинических исходов при отборе эмбрионов.

Известно ранее: Успех вспомогательных репродуктивных технологий составляет около 30%, при этом рост возраста женщин связан с заметным ухудшением результатов. Поэтому продолжаются усилия по повышению этой низкой результативности за счет разработки новых технологий. С появлением искусственного интеллекта возникла возможность применять машинное обучение так, чтобы повысить объективность в областях, ограниченных человеческой субъективностью, например при отборе эмбрионов. Учитывая потенциал искусственного интеллекта в повышении успеха экстракорпорального оплодотворения, важно сопоставить его эффективность с работой эмбриологов при отборе эмбрионов.

Дизайн исследования, объем и продолжительность: Поиск проводили в PubMed, EMBASE, Ovid Medline и IEEE Xplore с 1 июня 2005 года по 7 января 2022 года включительно. Включали только статьи на английском языке. Использовали поисковые запросы: ('Artificial intelligence' OR 'Machine Learning' OR 'Deep learning' OR 'Neural network') AND ('IVF' OR 'fertili*' OR 'assisted reproductive techn*' OR 'embryo'), где символ '*' означал автодополнение поискового термина.

Участники/материалы, условия, методы: Проведен поиск литературы по применению искусственного интеллекта в экстракорпоральном оплодотворении. Основными исходами были точность, чувствительность и специфичность оценки морфологического класса эмбриона, а также вероятность клинических исходов, таких как наступление клинической беременности после лечения методом ЭКО. Риск систематической ошибки оценивали с помощью модифицированного контрольного перечня Даун и Блэка.

Основные результаты и роль случайности: В обзор включили 20 статей. Единого дня оценки эмбриона не было: в исследованиях анализировали период с 1-го по 5/6-й день развития эмбриона. В качестве входных данных для обучения алгоритмов искусственного интеллекта использовали изображения и покадровую видеорегистрацию (10/20), клиническую информацию (6/20) либо и то и другое (4/20). Каждая модель искусственного интеллекта показала многообещающие результаты по сравнению с визуальной оценкой эмбриолога. В среднем модели точнее, чем клинические эмбриологи, предсказывали вероятность успешной клинической беременности, что указывает на более высокую надежность по сравнению с прогнозом человека. Медианная точность моделей искусственного интеллекта при прогнозировании морфологического класса эмбриона составила 75,5% (диапазон 59–94%). Истинный результат определяли по изображениям эмбрионов в соответствии с последующей оценкой эмбриологов и локальными руководствами. При слепой проверке точность прогнозирования эмбриологами составила 65,4% (диапазон 47–75%) при том же истинном результате, определенном по исходной локальной оценке. Аналогично, модели искусственного интеллекта показали медианную точность 77,8% (диапазон 68–90%) в прогнозировании клинической беременности с использованием клинических данных пациентов по сравнению с 64% (диапазон 58–76%) при выполнении этой задачи эмбриологами. При объединении изображений/покадровой видеорегистрации и клинических данных медианная точность моделей искусственного интеллекта возрастала до 81,5% (диапазон 67–98%), тогда как медианная точность клинических эмбриологов составляла 51% (диапазон 43–59%).

Ограничения, причины для осторожности: Выводы обзора основаны на исследованиях, которые не были проспективно оценены в клинических условиях. Кроме того, справедливое сопоставление всех исследований оказалось невозможным из-за неоднородности исследований, различий в разработке моделей искусственного интеллекта, используемых баз данных, а также дизайна и качества исследований.

Более широкое значение результатов: Искусственный интеллект обладает значительным потенциалом для ЭКО и отбора эмбрионов. Однако разработчикам необходимо сместить акцент с успешной имплантации на продолжающуюся беременность или живорождение. Кроме того, существующие модели в основном основаны на локально созданных базах данных, и многим не хватает внешней валидации.

Финансирование исследования/конфликт интересов: Исследование финансировалось Monash Data Future Institute. У всех авторов нет конфликта интересов.</b>

Номер регистрации: CRD42021256333.