Неинвазивное прогнозирование плоидности человеческого эмбриона с помощью искусственного интеллекта: систематический обзор и метаанализ

Введение: Плоидность эмбриона имеет критическое значение для успеха переноса эмбриона. В настоящее время преимплантационное генетическое тестирование на анеуплоидию (PGT-A) является золотым стандартом выявления нарушений плоидности. Однако PGT-A имеет ряд внутренних ограничений, включая инвазивную биопсию, высокую стоимость и этические ограничения. В статье представлен первый всесторонний систематический обзор и метаанализ эффективности алгоритмов искусственного интеллекта (ИИ), использующих изображения эмбрионов для неинвазивного прогнозирования плоидности эмбриона.

Методы: Выполнен комплексный поиск исследований, в которых разрабатывались или применялись алгоритмы ИИ для прогнозирования плоидности эмбриона по изображениям эмбрионов и которые были опубликованы до 10 августа 2024 года в PubMed, MEDLINE, Embase, IEEE, SCOPUS, Web of Science и Cochrane Central Register of Controlled Trials. Включали исследования проспективного и ретроспективного дизайна без языковых ограничений. Суммарную кривую рабочей характеристики приемник-оператор, а также объединенные показатели чувствительности и специфичности оценивали с помощью бивариантной модели случайных эффектов. Риск систематической ошибки и качество исследований оценивали с использованием инструмента QUADAS-AI. Гетерогенность количественно оценивали с помощью индекса несогласия, полученного на основе критерия Q Кохрана. Для поиска возможных источников гетерогенности проводили заранее запланированные анализы подгрупп и бивариантную метарегрессию. Исследование зарегистрировано в PROSPERO (CRD42024500409).I2

Результаты: Выявлено 20 подходящих исследований, 12 из них включены в метаанализ. Объединенные чувствительность, специфичность и площадь под кривой для ИИ в прогнозировании эуплоидности эмбриона составили 0,71 (95% ДИ 0,59-0,81), 0,75 (95% ДИ 0,69-0,80) и 0,80 (95% ДИ 0,76-0,83) соответственно на основе 6879 эмбрионов (3110 эуплоидных и 3769 анеуплоидных). Метарегрессия и анализ подгрупп показали, что основными источниками наблюдаемой гетерогенности были тип системы поддержки принятия решений на основе ИИ, внешняя валидация, риск систематической ошибки и год публикации. Признаков смещения публикации не выявлено.

Выводы: Полученные данные указывают на перспективную эффективность алгоритмов ИИ в прогнозировании эуплоидности эмбриона по изображениям эмбрионов. Хотя существующие модели ИИ не могут полностью заменить инвазивные методы определения плоидности эмбриона, ИИ представляет собой перспективный вспомогательный инструмент для выбора эмбриона, особенно у пациентов, которым невозможно выполнить PGT-A. Для повышения качества будущих исследований необходимо преодолеть специфические проблемы и ограничения, связанные с исследованиями ИИ в репродуктивной медицине.

Финансирование: Работа поддержана Национальной ключевой программой НИОКР Китая (2022YFC2702905), программой независимых исследователей больницы Шэнцзин и проектом талантов 345 больницы Шэнцзин.