kaz44Вестник Университета Шакарима. Серия технические наукиBulletin of Shakarim University. Technical Sciences2788-79953006-0524«Шәкәрім университеті» КеАҚ10.53360/2788-7995-2025-2(18)-15kaz44-1884Research ArticleАВТОМАТИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ (ОРИГИНАЛЬНАЯ СТАТЬЯ)AUTOMATION AND INFORMATION TECHNOLOGY (ORIGINAL ARTICLE)АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ СТАДИЙ ЭМБРИОНАЛЬНОГО РАЗВИТИЯ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯAUTOMATIC CLASSIFICATION OF STAGES OF EMBRYO DEVELOPMENT BASED ON MACHINE LEARNING METHODShttps://orcid.org/0009-0003-4093-6057СыдыковаА. М.SydykovaA. M.

Айжан Мукатаевна Сыдыкова – докторант по специальности «Информационные системы»,

070004, г. Усть-Каменогорск, ул. Серикбаева, 19

Aizhan Sydykova – PhD student in Information Systems, 

070004, Ust-Kamenogorsk, Serikbayev st., 19

aizhansydyk@gmail.comЖенисС. М.ZhenisS. M.

Сымбат Маратулы Женис – магистрант 2 курса по специальности Информационные системы,

070004, г. Усть-Каменогорск, ул. Серикбаева, 19

Zhengis Symbat Maratuly – 2nd year master's student in the specialty Informational systems,

070004, Ust-Kamenogorsk, Serikbayev st., 19

zhenissymbat@gmail.comhttps://orcid.org/0000-0002-6744-4023КумаргажановаС. К.KumargazhanovaS. K.

Сауле Кумаргажановна Кумаргажанова – кандидат технических наук, ассоциированный профессор, 

070004, г. Усть-Каменогорск, ул. Серикбаева, 19

Saule Kumargazhanova – Candidate of Technical Sciences, Associate Professor, 

070004, Ust-Kamenogorsk, Serikbayev st., 19

skumargazhanova@gmail.comhttps://orcid.org/0000-0003-1271-0352ТлебалдиноваА. С.TlebaldinovaA. S.

Айжан Солтангалиевна Тлебалдинова – PhD, ассоциированный профессор, 

070004, г. Усть-Каменогорск, ул. Серикбаева, 19

Aizhan Tlebaldinova – PhD, Associate Professor, 

070004, Ust-Kamenogorsk, Serikbayev st., 19

atlebaldinova@edu.ektu.kzhttps://orcid.org/0009-0005-9595-6826НурсадыковаР. К.NursadykovaR. K.

Роза Канашевна Нурсадыкова – старший преподаватель,

070004, г. Усть-Каменогорск, ул. Серикбаева, 19

Roza Nursadykova – Senior Lecturer,

070004, Ust-Kamenogorsk, Serikbayev st., 19

RNursadykova@ektu.kzВосточно-Казахстанский технический университет им. Д. СерикбаеваКазахстанD. Serikbayev East Kazakhstan Technical UniversityKazakhstan20250807202502(18)128137Copyright © Сыдыкова А.М., Женис С.М., Кумаргажанова С.К., Тлебалдинова А.С., Нурсадыкова Р.К., 20252025Сыдыкова А.М., Женис С.М., Кумаргажанова С.К., Тлебалдинова А.С., Нурсадыкова Р.К.Sydykova A.M., Zhenis S.M., Kumargazhanova S.K., Tlebaldinova A.S., Nursadykova R.K.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tech.vestnik.shakarim.kz/jour/article/view/1884

В данной статье была предложена структурная схема управления информационными потоками в информационно-аналитической системе поддержки принятия решений (ИСППР) для эмбриологов и врачей репродуктивной медицины на основе искусственного интеллекта (ИИ). Данная система позволит оптимизировать работу врачей репродуктивных центров и повысить эффективность программ с использованием вспомогательных репродуктивных технологий (ВРТ) за счет предоставления рекомендаций по проведению/корректировке протоколов, автоматической классификации эмбрионов по стадиям эмбрионального развития, рекомендации по выбору эмбрионов с учетом генетических аномалий. Проведен литературный обзор работ, авторы которых ранее разрабатывали системы с применением ИИ в репродуктивной медицине. В ходе обзора рассмотрены примененные методы и модели для различных задач, таких как оценка плоидности эмбрионов, определение наиболее жизнеспособного эмбриона, оценка имплантационного потенциала эмбриона, прогнозирование наступления беременности и живорождения. Разработан прототип одного из модулей ИСППР по анализу эмбриональных изображений для автоматизированной классификации стадии развития эмбрионов на основе их визуальных характеристик. В будущем планируется дополнение других модулей системы, обработка больших объемов данных и проведение апробации в условиях реальной клинической практики.

This article proposes a structural scheme of information flow management in the information and analytical decision support system (IADSS) for embryologists and reproductive medicine physicians based on artificial intelligence (AI), which was developed during research for a doctoral dissertation entitled "Information System for Diagnosing Pathologies in Reproductive Medicine". This system will optimize the work of physicians in reproductive centers and improve the efficiency of programs using assisted reproductive technologies (ART) by providing recommendations for implementing/adjusting protocols, automatic assessment of embryos according to the Gardner scale, and recommendations for selecting embryos taking into account genetic abnormalities. A literature review of works by authors who previously developed systems using AI in reproductive medicine was conducted. The review considered the methods and models used for various tasks, such as assessing embryo ploidy, determining the most viable embryo, assessing the implantation potential of the embryo, predicting the onset of pregnancy and live birth. A prototype of one of the modules of the IADSS for the analysis of embryonic images for the automated classification of the development stage of embryos based on their visual characteristics has been developed. In the future, it is planned to supplement other modules of the system, process large volumes of data and conduct testing in real clinical practice.

искусственный интеллектмашинное обучениекомпьютерное зрениеанализ изображенийartificial intelligencemachine learningcomputer visionimage analysisРабота выполнена при поддержке грантового финансирования научных и (или) научно-технических проектов на 2024-2026 годы Министерства науки и высшего образования Республики Казахстан (грант NoAP23486396 «Модели и методы распознавания анатомических структур на изображениях МРТ в задачах компьютерной диагностики»).ReferencesLokshin V. Assisted Reproductive Technologies in the Republic of Kazakhstan: A 6-Year Trend Analysis from Efficacy to Availability / V. Lokshin, M. Omar, S. Karibaeva // J.Reproduction & Infertility. – 2022. – № 23. – Р. 61-66. https://www.jri.ir/article/120131.Lokshin V. Assisted Reproductive Technologies in the Republic of Kazakhstan: A 6-Year Trend Analysis from Efficacy to Availability / V. Lokshin, M. Omar, S. Karibaeva // J.Reproduction & Infertility. – 2022. – № 23. – R. 61-66. https://www.jri.ir/article/120131. (In English).Петрова Е.В. Основные этапы преодоления бесплодия с использованием программы вспомогательных репродуктивных технологий и ее модификаций / Е.В. Петрова, С.И. Михалевич // Медицинские новости. – 2012. – № 2. – Р. 45.Petrova E.V. Osnovnye ehtapy preodoleniya besplodiya s ispol'zovaniem programmy vspomogatel'nykh reproduktivnykh tekhnologii i ee modifikatsii / E.V. Petrova, S.I. Mikhalevich // Meditsinskie novosti. – 2012. – № 2. – R. 45. (In Russian).An artificial intelligence model (euploid prediction algorithm) can predict embryo ploidy status based on time-lapse data / В. Huang et al // Reproductive Biology and Endocrinology. – 2021. – № 19. – Р. 185. https://doi.org/10.1186/s12958-021-00864-4.An artificial intelligence model (euploid prediction algorithm) can predict embryo ploidy status based on time-lapse data / V. Huang et al // Reproductive Biology and Endocrinology. – 2021. – № 19. – R. 185. https://doi.org/10.1186/s12958-021-00864-4. (In English).Can the combination of time-lapse parameters and clinical features predict embryonic ploidy status or implantation? / Y. Zou et al // Reprod Biomed Online. – 2022. – № 45(4). – Р. 643-651. https://doi.org/10.1016/j.rbmo.2022.06.007.Can the combination of time-lapse parameters and clinical features predict embryonic ploidy status or implantation? / Y. Zou et al // Reprod Biomed Online. – 2022. – № 45(4). – R. 643-651. https://doi.org/10.1016/j.rbmo.2022.06.007. (In English).Artificial Intelligence-Based Detection of Human Embryo Components for Assisted Reproduction by In Vitro Fertilization / А. Mushtaq et al // Sensors. – 2022. – № 22. – Р. 7418. https://doi.org/10.3390/s22197418Artificial Intelligence-Based Detection of Human Embryo Components for Assisted Reproduction by In Vitro Fertilization / A. Mushtaq et al // Sensors. – 2022. – № 22. – R. 7418. https://doi.org/10.3390/s22197418. (In English).Feasibility of artificial intelligence for predicting live birth without aneuploidy from a blastocyst image / М. Yasunari et al // Reproductive medicine and biology. – 2019. https://doi.org/10.1002/rmb2.12267.Feasibility of artificial intelligence for predicting live birth without aneuploidy from a blastocyst image / M. Yasunari et al // Reproductive medicine and biology. – 2019. https://doi.org/10.1002/rmb2.12267. (In English).Machine learning for prediction of euploidy in human embryos: in search of the best-performing model and predictive features / S. De Gheselle et al // Fertility and Sterility. – 2022. – № 117(4). – Р. 0015-0282. https://doi.org/10.1016/j.fertnstert.2021.11.029.Machine learning for prediction of euploidy in human embryos: in search of the best-performing model and predictive features / S. De Gheselle et al // Fertility and Sterility. – 2022. – № 117(4). – R. 0015-0282. https://doi.org/10.1016/j.fertnstert.2021.11.029. (In English).Towards the automation of early-stage human embryo development detection / V. Raudonis et al // BioMedical Engineering OnLine. – 2019. – № 18. – Р. 120. https://doi.org/10.1186/s12938-019-0738-y.Towards the automation of early-stage human embryo development detection / V. Raudonis et al // BioMedical Engineering OnLine. – 2019. – № 18. – R. 120. https://doi.org/10.1186/s12938-019-0738-y. (In English).A non-invasive artificial intelligence approach for the prediction of human blastocyst ploidy: a retrospective model development and validation study / J. Barnes, et al // The Lancet Digital Health. – 2023. – № 5(1). – Р. e28-e40. https://doi.org/10.1016/S2589-7500(22)00213-8.A non-invasive artificial intelligence approach for the prediction of human blastocyst ploidy: a retrospective model development and validation study / J. Barnes, et al // The Lancet Digital Health. – 2023. – № 5(1). – R. e28-e40. https://doi.org/10.1016/S2589-7500(22)00213-8. (In English).Development of an artificial intelligence model for predicting the likelihood of human embryo euploidy based on blastocyst images from multiple imaging systems during IVF / S. Diakiw et al // Human Reproduction. – 2022. – Vol 30, № 37(8). – Р. 1746-1759. https://doi.org/10.1093/humrep/deac131.Development of an artificial intelligence model for predicting the likelihood of human embryo euploidy based on blastocyst images from multiple imaging systems during IVF / S. Diakiw et al // Human Reproduction. – 2022. – Vol 30, № 37(8). – R. 1746-1759. https://doi.org/10.1093/humrep/deac131. (In English).The use of voting ensembles to improve the accuracy of deep neural networks as a non-invasive method to predict embryo ploidy status / V. Jiang et al // Journal of Assisted Reproduction and Genetics. – 2023. – № 40. – Р. 301-308. https://doi.org/10.1007/s10815-022-02707-6.The use of voting ensembles to improve the accuracy of deep neural networks as a non-invasive method to predict embryo ploidy status / V. Jiang et al // Journal of Assisted Reproduction and Genetics. – 2023. – № 40. – R. 301-308. https://doi.org/10.1007/s10815-022-02707-6. (In English).Development of an artificial intelligence based model for predicting the euploidy of blastocysts in PGT-A treatments / Z. Yuan et al // Scientific Reports. – 2023. – № 13. – Р. 2322. https://doi.org/10.1038/s41598-023-29319-z.Development of an artificial intelligence based model for predicting the euploidy of blastocysts in PGT-A treatments / Z. Yuan et al // Scientific Reports. – 2023. – № 13. – R. 2322. https://doi.org/10.1038/s41598-023-29319-z. (In English).Using Deep Learning with Large Dataset of Microscope Images to Develop an Automated Embryo Grading System / Chen et al // Fertility & Reproduction. – 2019. – № 01(01). – Р. 1-6. https://doi.org/10.1142/S2661318219500051.Using Deep Learning with Large Dataset of Microscope Images to Develop an Automated Embryo Grading System / Chen et al // Fertility & Reproduction. – 2019. – № 01(01). – R. 1-6. https://doi.org/10.1142/S2661318219500051. (In English).Embryo Ranking Intelligent Classification Algorithm (ERICA): artificial intelligence clinical assistant predicting embryo ploidy and implantation / А. Chavez-Badiola et al // Reprod Biomed Online. – 2020. – № 41(4). – Р. 585-593. https://doi.org/10.1016/j.rbmo.2020.07.003.Embryo Ranking Intelligent Classification Algorithm (ERICA): artificial intelligence clinical assistant predicting embryo ploidy and implantation / A. Chavez-Badiola et al // Reprod Biomed Online. – 2020. – № 41(4). – R. 585-593. https://doi.org/10.1016/j.rbmo.2020.07.003. (In English).Искусственный интеллект – ключ к развитию эмбриологической лаборатории / А. Бегимбаева и др. // Репродуктивная медицина (Центральная Азия). – 2024. – № 3. – Р. 42-49. https://doi.org/10.37800/RM.3.2024.42-49.Iskusstvennyi intellekt – klyuch k razvitiyu ehmbriologicheskoi laboratorii / A. Begimbaeva i dr. // Reproduktivnaya meditsina (Tsentral'naya Aziya). – 2024. – № 3. – R. 42-49. https://doi.org/10.37800/RM.3.2024.42-49. (In English).

The authors declare that there are no conflicts of interest present.