Le choix d'embryon pour IVF peut être optimisé utilisant la technique d'artificial intelligence

Une approche neuve d'artificial intelligence par des chercheurs de médicament de Weill Cornell peut recenser avec un degré d'exactitude grand si des 5 d'un jour, embryon humain fécondé in vitro a un potentiel élevé de progresser à une grossesse couronnée de succès. La technique, qui analyse des images de temps-déchéance des embryons de stade précoce, pourrait améliorer le taux de succès de fécondation in vitro (IVF) et réduire à un minimum le risque de grossesses multiples.

On estime que l'infertilité affecte environ 8 pour cent de femmes d'âge de grossesse. Tandis qu'IVF a aidé des millions pour donner naissance, le taux de succès moyen aux Etats-Unis est approximativement 45 pour cent.

Pour l'étude, le 4 avril publié en médicament de NPJ Digitals, les chercheurs avaient l'habitude 12.000 photos des embryons humains pris avec précision 110 heures après fécondation pour former un algorithme d'artificial intelligence pour distinguer entre la qualité faible et bonne d'embryon. Pour obtenir à cette nomination, chaque embryon a été affecté la première fois une pente par les embryologists qui ont considéré des aspects variés de l'apparence de l'embryon. Les chercheurs ont alors effectué une analyse statistique pour marquer la pente d'embryon avec la probabilité de continuer à des résultats couronnés de succès de grossesse. Des embryons ont été considérés bonne qualité s'il était probable plus grands que 58 pour cent et mauvaise qualité s'il était probable en-dessous de 35 pour cent. Après la formation et la validation, l'algorithme, cigogne aboubée, pouvait classifier la qualité d'un ensemble neuf d'images avec 97 pour cent d'exactitude.

« En introduisant la technologie neuve dans l'inducteur d'IVF que nous pouvons automatiser et normaliser un procédé qui dépendait très du jugement humain subjectif. Ce travail pilote donne nous qu'un hublot dans la façon dont cet inducteur pourrait examiner à l'avenir, » a indiqué M. Zev Rosenwaks, le directeur et le médecin-dans-responsable de Ronald O. Perelman et le centre de Claudia Cohen pour le médicament reproducteur au médicament de Weill Cornell et NewYork-Presbytérien.

Le choix de l'embryon avec les meilleures possibilités de se développer en grossesse saine est actuel un procédé subjectif. La convention est inférieure parmi même les embryologists expérimentés pour la façon prévoir la viabilité d'un embryon individuel basé sur son apparence à l'étape de blastocyste, dans laquelle elle se compose de seulement 200-300 cellules.

« Nous avons voulu développer une méthode objective qui peut être employée pour normaliser et optimiser le choix pour augmenter les taux de succès d'IVF, » avons dit M. Nikica Zaninovic, auteur de Co-sénior et directeur du laboratoire d'embryologie au centre pour le médicament reproducteur au médicament de Weill Cornell, les chercheurs avons passé plus de six mois observant approximativement 50.000 images anonymized, représentant 10.148 embryons humains, rassemblés par la photographie de temps-déchéance sur sept ans. Avec la pente embryologist-affectée et la connaissance de rétrospection des résultats de grossesse, les chercheurs pourraient classifier les embryons comme bons, la foire ou la mauvaise qualité. Éventuel, ils avaient l'habitude deux ensembles de 6.000 images, bon ou de mauvaise qualité, pour enseigner à l'algorithme comment classifier des images neuves présentées à lui.

« C'est la première fois, à notre connaissance, que n'importe qui a appliqué un algorithme apprenant profond sur les embryons humains avec de telles un grand nombre d'images, » a dit M. Pegah Khosravi, l'auteur important de l'étude et un associé post-doctoral en biomédecine de calcul.

Apprendre profondément est une approche d'artificial intelligence qui est rugueux modélisée après les réseaux neuronaux du cerveau, qui analysent l'information dans des couches croissantes de complexité. Car l'ordinateur est alimenté l'information neuve, sa capacité d'identifier les configurations désirées, si elles sont les caractéristiques d'un embryon sain ou les cellules comportant une tumeur de cancer de poumon, s'améliore automatiquement. La taille de l'ensemble de données de formation est en critique importante pour la réussite de l'algorithme, avec plus de caractéristiques aboutissant à améliorer des résultats.

« Notre algorithme aidera des embryologists à maximiser les occasions que leurs patients auront une grossesse saine unique, » a dit M. Olivier Elemento, directeur du Caryl et institut d'Anglais de l'Israël pour le médicament de précision au médicament de Weill Cornell. « La procédure d'IVF demeurera la même, mais nous pourrons améliorer des résultats en armant le pouvoir de l'artificial intelligence. »

Tandis que la cigogne peut sélecter des embryons de bonne qualité avec un niveau élevé d'exactitude, les études précédentes ont proposé que seulement 80 pour cent du taux de succès de grossesse se fondent sur la qualité d'embryon. L'âge maternel, en particulier, est associé à un régime décroissant d'implantation couronnée de succès d'embryon dans l'utérus.

Les spécialistes en fertilité implantent souvent les embryons multiples pour essayer de maximiser les possibilités de avoir une naissance couronnée de succès, mais le procédé est imprécis et peut avoir comme conséquence les grossesses multiples, qui comporte ses propres risques, tels que le poids à la naissance inférieur, la distribution prématurée et les complications maternelles. Ainsi les chercheurs ont développé une autre approche de calcul qui peut tenir compte de l'âge maternel et de la qualité des embryons multiples pour déterminer la meilleure combinaison pour réaliser un nouveau-né unique.

« Nous essayons de régler le procédé pour le patient individuel, parce que pas chaque patient est le même, » avons dit M. Zaninovic. « Nous voulons faire le médicament personnalisé avec le médicament de précision pour obtenir le meilleur résultat. »

Utilisant des caractéristiques cliniques pour 2.182 des embryons, les chercheurs ont produit un arbre de décision pour évaluer le régime de grossesse couronné de succès à l'aide d'une combinaison de qualité d'embryon et d'âge patient, comme variable clinique la plus importante. Ils ont également fourni une analyse de probabilité visant à optimiser le choix d'embryon et à maximiser la probabilité de la grossesse unique.

La cigogne est actuel un outil investigateur et les chercheurs planification pour comporter des paramètres cliniques et techniques complémentaires pour améliorer l'algorithme.

« Il est très important que nous pourrions mettre une équipe ensemble ici qui contient des informaticiens, des experts en matière de médicament de précision, des embryologists et des cliniciens, » avons dit M. Iman Hajirasouliha, auteur de Co-sénior, professeur génomique de calcul et un membre de l'institut d'Anglais pour le médicament de précision. « Nous avons eu besoin d'une équipe intense avec une zone ample de compétences pour résoudre ce problème. »

Source : https://news.weill.cornell.edu/news/2019/04/artificial-intelligence-approach-optimizes-embryo-selection-for-ivf