Оптимизация отбора эмбрионов для ЭКО с помощью искусственного интеллекта
Перевод: Чурсина Полина
Редакция: Наймушина Полина
Оформление: Родионов Никита



Новая методика с использованием искусственного интеллекта, разработанная исследователями Weill Cornell Medicine, позволяет с высокой точностью определить, имеет ли 5-дневный эмбрион человека, созданный in vitro, потенциал для успешного развития во время беременности. Методика предполагает анализ покадровых изображений эмбрионов на ранней стадии и может улучшить показатели успешности ЭКО и минимизировать риск многоплодной беременности.

По статистике, 8 % женщин детородного возраста бесплодны. Хотя благодаря ЭКО миллионам женщин удалось помочь забеременеть и родить ребенка, на сегодняшний день доля успешно проведенных процедур ЭКО в США составляет примерно 45 %.

Для исследования ученые использовали 12 000 фотографий человеческих эмбрионов, сделанных спустя 110 часов с момента зачатия, чтобы сформировать алгоритм распознавания эмбрионов хорошего и плохого «качества». Для этого сначала каждый эмбрион был оценен эмбриологами, которые учитывали различные критерии его внешнего вида. Затем был проведен статистический анализ, чтобы сопоставить оценку эмбриона с вероятностью успешного исхода беременности. Если вероятность успешного исхода беременности составляла более 58 %, считалось, что эмбрионы хорошего «качества», а если вероятность составляла менее 35 %, — эмбрионы плохого «качества». После обучения и проверки алгоритм, получивший название Stork, смог классифицировать качество нового набора изображений с точностью до 97 %.

«Внедряя новые технологии в области ЭКО, мы можем автоматизировать и стандартизировать процесс, сведя к минимуму человеческий фактор. Эта новая разработка дает нам представление о том, как эта область может выглядеть в будущем», — говорит доктор Зев Розенвакс, директор и главный врач Центра репродуктивной медицины им. Рональда О. Перельмана и Клаудии Коэн в Weill Cornell Medicine\NewYork-Presbyterian.

В настоящее время отбор эмбриона с максимально высокими шансами для здоровой беременности является субъективным процессом. Даже среди опытных эмбриологов нет единого мнения о том, как определить жизнеспособность отдельного эмбриона на стадии бластоцисты, в которой он состоит всего из 200–300 клеток.

«Мы хотели разработать объективный метод для стандартизации и оптимизации процесса отбора, чтобы увеличить показатели успешности ЭКО», — объясняет доктор Никица Занинович, старший автор и директор лаборатории эмбриологии в Центре репродуктивной медицины в Weill Cornell Medicine. Исследователи потратили более шести месяцев на просмотр около 50 000 анонимных изображений 10 148 эмбрионов человека, собранных с помощью покадровых фотографий за семь лет. При помощи оценки эмбриолога и ретроспективного анализа исхода беременности исследователи смогли классифицировать эмбрионы как «хорошего», «удовлетворительного» или «плохого качества». Таким образом, ученые использовали два набора из 6000 изображений эмбрионов хорошего или плохого «качества», чтобы научить алгоритм классифицировать новые изображения, представленные ему.

«Насколько нам известно, это первый случай, когда кто-либо использует алгоритм глубокого обучения для работы с человеческими эмбрионами и таким большим количеством изображений», — говорит доктор Пегах Хосрави, ведущий автор исследования, доктор наук в области вычислительной биомедицины.

Глубокое обучение — это технология искусственного интеллекта, которая смоделирована по принципу нейронных сетей мозга, способных анализировать информацию с возрастающей сложностью. Когда компьютер получает новую информацию, его способность распознавать нужные шаблоны, будь то признаки здорового эмбриона или клетки, содержащие опухоль рака легких, автоматически улучшается. Размер набора обучающих данных критически важен для успеха алгоритма, поскольку большое количество данных приводит к лучшим результатам.

«Наш алгоритм поможет эмбриологам максимально увеличить вероятность развития у их пациентов здоровой одноплодной беременности», — утверждает доктор Оливье Элементо, директор Института прецизионной медицины имени Кэрила и Израиля Энгландера из Weill Cornell Medicine. «Процедура ЭКО останется прежней, но мы сможем улучшить результаты, используя преимущества искусственного интеллекта».

В то время как Stork может выбирать эмбрионы хорошего качества с высокой степенью точности, предыдущие исследования показали, что только 80 % успешных беременностей зависит от качества эмбрионов. В частности, возраст матери связан с уменьшением частоты успешной имплантации эмбриона в матку.

Репродуктологи часто имплантируют несколько эмбрионов, чтобы увеличить шансы на одно успешное рождение, но этот процесс несовершенен и может привести к многоплодной беременности, что сопряжено с рисками, такими как низкий вес при рождении, преждевременные роды и осложнения у матери. В связи с этим ученые разработали другой подход, который может учитывать возраст матери и «качество» нескольких эмбрионов, чтобы определить наилучшую комбинацию для одноплодной беременности.

«Мы пытаемся адаптировать процесс под каждого пациента, потому что не все они одинаковы, — говорит доктор Занинович. — Мы хотим развить персонализированную и прецизионную медицину, чтобы получить лучший результат».

Используя клинические данные 2182 эмбрионов, исследователи разработали методику для оценки вероятности успешной беременности с использованием комбинации «качества» эмбриона и возраста пациента как наиболее важной клинической переменной. Они также предоставили вероятностный анализ с целью оптимизации отбора эмбрионов и максимизации шансов одноплодной беременности.

Stork в настоящее время является инструментом исследования, и исследователи планируют включить дополнительные клинические и технические параметры для улучшения алгоритма.

«Очень важно, чтобы мы собрали здесь команду, в которую войдут программисты, специалисты в области прецизионной медицины, эмбриологи и клиницисты, — заявляет доктор Иман Хаджирасулиха, старший автор, профессор вычислительной геномики и член Института прецизионной медицины им. Энгландера. — Нам нужна сильная команда с глубокими знаниями, чтобы решить эту проблему».

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.