АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ СТАДИЙ ЭМБРИОНАЛЬНОГО РАЗВИТИЯ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

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.

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.