Перенос одной бластоцисты все чаще используется во время ЭКО для предотвращения многоплодной беременности. Когда доступно несколько эмбрионов для переноса - требуется тщательная оценка каждой бластоцисты для выявления эмбрионов с самым высоким потенциалом имплантации. Хотя преимплантационное генетическое тестирование на анеуплоидии (ПГТ-A) бластоцист широко используется, оно ограничено в некоторых странах. Кроме того, некоторые пациентки хотят увеличить свои шансы на здоровую беременность, но отвергают инвазивные диагностические процедуры. Поэтому оценка бластоцисты по-прежнему важна для отбора эмбрионов для переноса.
С момента своего создания система классификации бластоцисты, разработанная Gardner and Schoolcraft (1999), которая основана на качестве бластоцисты и морфологии внутренней клеточной массы, а также клеток трофэктодермы данная система широко используется по настоящее время в различных учреждениях по всему миру, где оценкой занимаются эмбриологи. А введение новой технологии покадровой съемки морфокинетических данных развития эмбриона, как было показано в исследованиях, улучшает отбор эмбрионов и исходы беременности (ESHRE Working Group on Time-Lapse Technology, et al., 2020; Прибенский и др., 2017). Кроме того, совсем недавно искусственный интеллект (ИИ) был широко изучен для прогнозирования беременности после переноса бластоцисты (Dimitriadis et al., 2022). Другим важным фактором для достижения беременности после переноса бластоцисты является плоидный статус эмбриона. Было показано, что ПГТ-A улучшает результаты ЭКО у пациенток позднего репродуктивного возраста, с повторными неудачами имплантации и повторной потерей беременности (Rubio et al., 2017). Эуплоидные бластоцисты, обнаруженные с помощью ПГТ-A, имеют высокие показатели беременности после переноса эмбрионов. Поскольку существующие системы оценки бластоцисты, включая морфологические, морфокинетические и ИИ-модели, могут предсказывать беременность с высокой точностью после переноса бластоцисты, очевидно, что модели оценки бластоцисты также могут предсказывать статус плоидности. Поэтому в этом исследовании выясняли корреляцию между показателями эуплоидии, стратифицированными по возрасту матери, с использованием различных методов оценки бластоцисты: морфологических, морфокинетических и ИИ-моделей.
В исследование были включены пациентки в период с сентября 2020 года по июнь 2021 года. Пациентки, у которых наблюдались структурные или числовые хромосомные аномалии у одного или обоих партнеров, врожденные аномалии матки, азооспермия и другие тяжелые осложнения, были исключены. Пациентки были распределены по возрастным группам в соответствии с руководящими принципами Общества вспомогательных репродуктивных технологий (SART) (<35, 35-37, 38-40, 41-42 и >42 года).
В этом исследовании рассматривалась одна из основных проблем ЭКО, а именно выявление одной бластоцисты для переноса, которая характеризуется высоким потенциалом имплантации и в то же время имеет нормальное, эуплоидное распределение хромосом.
Основным результатом этого исследования стала корреляция показателей эуплоидии в стратифицированных материнских возрастных группах и автоматизированной модели ИИ iDAScore® v1.0. модель (Berntsen et al., 2022; Vitrolife, Гётеборг, Швеция), модели морфокинетического отбора эмбрионов, KIDScore Day 5 ver 3 (KS-D5; Vitrolife) и традиционной морфологической моделью классификации, критерии Гарднера (Gardner and Schoolcraft, 1999), соответственно.
Основным показателем, по которому сравнивали человека и систему ИИ в данном исследовании был AUC. Этот показатель отражает то, насколько точно и правильно человек или ИИ может выдать результат по входным данным. Чем выше данные показатель, тем точнее полученные результаты. Для всех материнских возрастных групп в исследовании показатель AUC iDAScore и KIDScore был значительно выше, чем в критериях Гарднера, оцениваемых человеком. Кроме того, не было существенной разницы между результатами iDAScore и KIDScore. Для прогнозирования сердцебиения плода ранее было показано, что iDAScore и KIDScore имели общую AUC 0,700 и 0,688 соответственно, что было значительно выше, чем 0,671 для критериев Гарднера (Ueno et al., 2021). А в данном исследовании AUC для прогнозирования эуплоидии составлял от 0,642 до 0,666 для различных моделей и увеличился до более чем 0,7 в самой старшей материнской возрастной группе. В этом исследовании также изучался потенциал прогнозирования эуплоидии комбинации ИИ (iDAScore) и традиционной оценки морфологии (критерии Гарднера) в разных возрастных группах. В группе старше 42 лет показатели эуплоидии были ниже 15%, однако для лиц младшего возраста число эуплоидных бластоцист оставался очень низким. Для лучшего прогнозирования эуплоидии может потребоваться модель прогнозирования ИИ глубокого обучения, которая разрабатывается, обучается и тестируется на данных циклах ПГТ-A. Такой подход уже был предпринят, и в нескольких исследованиях сообщается об AUC в диапазоне от 0,74 до 0,80 для прогнозирования эуплоидии при включении таких метаданных, как возраст матери (Chavez-Badiola et al., 2020; De Gheselle et al., 2022; Хуан и др., 2021). Такая модель ИИ потенциально может иметь еще лучшую точность прогнозирования для молодых пациентов.
