МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІНІҢ НЕГІЗІНДЕГІ ЭМБРИОН ДАМУ КЕЗЕҢДЕРІНІҢ АВТОМАТТЫ ЖІКТЕЛУІ

Бұл мақала жасанды интеллект (ЖИ) негізіндегі эмбриологтар мен репродуктивті медицина дәрігерлері үшін ақпараттық және аналитикалық шешімдерді қолдау жүйесінде ақпарат ағындарын басқарудың құрылымдық схемасын ұсынады. Жұмыс «Репродуктивті медицинадағы патологияларды диагностикалаудың ақпараттық жүйесі» тақырыбы бойынша докторлық диссертацияны зерттеу барысында әзірленген. Жүйе репродуктивті орталықтардағы дәрігерлердің жұмысын оңтайландырады және хаттамаларды енгізу/түзету, Гарднер шкаласы бойынша эмбриондарды автоматты түрде бағалау, генетикалық ауытқуларды ескере отырып, эмбриондарды таңдау бойынша ұсыныстар беру арқылы көмекші репродуктивті технологияларды пайдаланатын бағдарламалардың тиімділігін арттырады. Бұдан бұрын репродуктивті медицинада ЖИ қолданатын жүйелерді жасаған авторлардың жұмыстарына әдебиеттік шолу жүргізілді. Шолуда эмбриондардың плоидтылығын бағалау, өмір сүру потенциалы жоғары эмбрионды анықтау, эмбрионның имплантация әлеуетін бағалау, жүктіліктің басталуы мен тірі туылуын болжау сияқты әртүрлі мақсатта қолданылатын әдістер мен модельдер қарастырылады. Ақпараттық жүйенің эмбриондардың визуалды сипаттамалары бойынша даму сатысын автоматтандырылған жіктеу үшін эмбриондық бейнелерді талдауға арналған модульдің бірінің прототипі әзірленді. Болашақта жүйенің басқа модульдерін қосу, үлкен көлемдегі деректерді өңдеу және нақты клиникалық тәжірибеде тестілеуді өткізу жоспарлануда.

1. 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. – Р. 61-66. https://www.jri.ir/article/120131.

2. 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.

3. 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.

4. 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.

5. 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/s22197418

6. 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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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.

13. 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.

14. 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.

15. 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.