Инструмент искусственного интеллекта прогнозирует развитие бластоцисты по статическим изображениям свежих зрелых ооцитов

Вопрос исследования: Можно ли разработать модель анализа изображений на основе глубокого обучения для оценки качества ооцитов путем прогнозирования развития бластоцисты по изображениям денудированных зрелых ооцитов?

Дизайн: Модель глубокого обучения разработали на основе 37 133 статических изображений ооцитов с соответствующими лабораторными исходами из восьми центров лечения бесплодия (шесть стран). Часть данных (n = 7807) выделили для тестирования качества модели. Внешнюю валидацию модели провели для оценки ее обобщаемости и устойчивости на новых данных (n = 12 357) из двух центров лечения бесплодия (две страны). Качество оценивали по площади под кривой (AUC), сбалансированной точности, специфичности и чувствительности. В подгруппах тестовой выборки анализировали возраст, мужской фактор и географическое расположение клиники. Вероятности модели для внешнего набора данных преобразовали в шкалу от 0 до 10, чтобы оценить связь с развитием бластоцисты и ее качеством.

Результаты: Модель глубокого обучения показала AUC 0,64, сбалансированную точность 0,60, специфичность 0,55 и чувствительность 0,65 в тестовой выборке. Наилучшие показатели в подгрупповом анализе наблюдались в возрастной группе 38–39 лет (AUC 0,68), влияние мужского фактора было минимальным, а обобщаемость модели по географическим регионам оказалась хорошей. Работоспособность модели подтвердили на внешних данных: AUC 0,63, сбалансированная точность 0,58, специфичность 0,57 и чувствительность 0,59. Анализ шкалы оценок показал, что более высокие баллы ооцитов были связаны с большей вероятностью развития бластоцисты и формирования бластоцисты хорошего качества.

Вывод: Модель глубокого обучения показала удовлетворительную пригодность для оценки ооцитов по их способности развиваться в бластоцисту, а после преобразования прогнозов в баллы они коррелировали с качеством бластоцист. Это представляет собой важный первый шаг в оценке ооцитов для научного и клинического применения.