Time lapse monitoring of zona pellucida free embryos obtained through mild IVF
數位圖像處理和人工智慧技術（例如人工神經網路）已用於對胚胎進行分類。
同樣，胚胎學已成為輔助生殖發育的主要來源。 從最新的貢獻來看，縮時監視系統（TMS，time-lapse monitoring system）已成為實驗室臨床，可接受的最新技術之一。 連續胚胎監測孵化器的使用和胚胎發育的時機（稱為形態動力學）仍然存在很多爭議，它無法取代經典的胚胎形態，作為評估胚胎的金標準（Castello et al.2017 MHR）。
胚胎的形態學已經非常成熟，並且標準化了選擇胚胎的標準，科學協會開展了非常詳細的共識研討會，以描述要由胚胎學家評估的胚胎的主要形態學特徵。
儘管科學界做出了許多努力，但我們必須承認，胚胎評估是非常主觀的，許多特徵都非常不一致，例如碎片化的比例，胚泡擴張的程度，內部細胞團的品質或滋養外胚層。
在 IVF 實驗室進行自動化操作時，胚胎選擇過程也不例外。幸運的是，某些 TMS 系統具有自動檢測胚胎分裂，以及人眼無法檢測到的許多其他功能的能力。
當前需要標準化胚胎選擇標準，消除觀察者之間的偏見，以及由於存在多種選擇算法，和現有的成幀系統，因此嘗試使這一過程自動化。 此外，這將節省胚胎學家的時間（否則，記錄每個胚胎分裂的時間，以及檢測異常事件確實需要一些額外的時間）。
大數據分析的引入，也提供了一種以完全不同的方式，管理實驗室數據的機會。 這種方法的一個例子是形式軟體，該軟體依賴於設計和實現通用數據庫（透過使用雲端概念）的數據庫，該數據庫使用大量能夠實現可行的妊娠，或妊娠的胚胎資訊建構。 活產。 然後系統可以將任何已分析的胚胎，與此數據庫進行比較。
TMS 和人工智慧的結合，包括使用數學方法（例如人工神經網路（ANN））從圖像中提取資訊，並且對於人類胚胎而言，它已用於在胚泡階段對胚胎進行分級。 數位圖像處理技術包括使用數學方法提取尺寸、色標和飽和度的資訊。
該技術允許從胚泡的照片中，提取一些變量，例如圓形度、半徑、均勻性、質地、亮度和色標，這對於 AI 技術的使用非常重要。
AI 隨後提出了用於圖像分割（將圖像劃分為其有意義的組成區域）和對人胚泡圖像進行分類的方法，以實現自動的胚胎分級。
有趣的是，與人類分級相比，AI 分級在胚泡擴張，以及 ICM 和滋養外胚層分級的一致性方面表現更好。 另外，使用 AI 對胚泡進行分級比人眼便宜，無創且速度快，同時還提供了額外的定量資訊。
發表者：科學主管兼高級胚胎學家 Marcos Meseguer 博士
任何經過翻譯或轉載之中文資訊，我們為了盡量使用台灣常用相關名詞與慣用語法，將與原中文有所變更，但不改內容意義 – 3S MARKET
沒有留言:
張貼留言