Matthew人工智能技术预测人类胚胎的存活率
- 时间:
- 浏览:212
- 来源:世界杯买球盘口网址app
本视频拍摄于第35届欧洲人类生殖与胚胎学学会年会ESHRE2019现场。本视频翻译由ART大会 张诗敏完成。
人工智能(AI)技术可以在多个实验室中预测人类胚胎的存活率,具备较高准确性和可重复性
从世纪之交开始,人们就一直在寻找评估胚胎质量的尺度。
2007年,我们选择了20000张胚胎图片,制定了Gardner评估尺度。
这是一种主观的通过人眼视察获得的评分系统。
Gardner评分体系分为三部门:
1.扩张水平 2.内细胞团3.滋养层细胞
美国科学家一直在试图对评估胚胎质量提出可靠的尺度体系,并在国际上形成了配合意见,合并以色列的尺度。
于2010年,将形貌性评分品级分为:good ,fair,和 poor.
伊斯坦布尔共识
Numeric ScaleGrade评分系统,通过对4阶段发育水平,3阶段内细胞团品级和3品级的滋养层细胞综合。
为胚胎制定出数字品级尺度。
对于同一囊胚,差别评价体系的评分多样。
Gardner:3BB
SART评分:Fair
Alpha 共识评分:322
传统的依靠胚胎学家肉眼视察来评估的系统
胚胎评测事情是无可制止的存在主观性和偏见性的,无法广泛使用,且重复性差。
是否可以通过其他技术手段来做出胚胎的选择呢?
日益增长的AI需求趋势
近年在各个国际大会上AI/Machine Learning 被多次引用提及。其中2018年:ASRM提出9次。ESHRE提出7次。
2019年,投稿摘要中提出11次
主题词有:AI,Machine Learning(机械自主学习),Computer Vision(电脑视角)
引出主题
本次研究设计和方法:
1.20000个D5囊胚的静态分析2D图像
2.尺度的相差显微镜照片
3.来自12个实验室512×512像素的图像
4.以见胎心作为胚胎存活下来的依据
AI vs MachineLearning vs Deep Learning(深度学习)
三者关系是machine learning 包罗deeplearning,AI包罗machine learning
deep learning能观察到看到人肉眼看不到的胚胎异常之处
computer vision 在deeplearning基础之上越发准确而且自动找出胚胎异常之处
验证\评估临床应用人工智能的质量
(从左向右)训练
AI选择胚胎的验证
单盲验证:同样的中心
双盲验证:新中心
测试人工智能准确性和稳健性的关键验证数据集
第一阶段设计-单中心试点研究
5332个D5囊胚的图片
training数据3892个图像
验证数据库390个图像
单盲测试1368个图像
单盲设计2682个图像
AI vs 胚胎学家的准确率对比
效果显示AI的准确率显着比胚胎学家高
敏感性和特异性:
AI准确性的频率仍高于胚胎学家的错误率,反之亦然
第二阶段训练设计--国际多中心研究
包罗来自美国、澳大利亚、马来西亚和新西兰12其中心的数据,对AI举行学习训练。
AI在Blindtest 1的敏感性和特异性
AI的ROC曲线下面积大于胚胎学家
总结:
1.确定胚胎存活率的总体准确率为67.7%
2.30.8%准确率的提高VS胚胎学家评估
3.在差别的中心有稳定的25%个点的准确率的提升,与胚胎学家评估对比
4.AI模式是通过尺度化的胚胎评估而显现价值
5.第一次是通过相差显微镜的2D图像来出现
6.选择到好的胚胎=提高妊娠率
7.准确性会随着数据库的增大而不停提高
End