CN. Phạm Diệp Vũ Khang – IVF Tâm Anh
 
Giới thiệu
Lựa chọn phôi tốt là một điều cốt lõi trong IVF hiện nay. Sự phát triển của động học hình thái phôi vượt ra ngoài đánh giá hình thái đơn giản. Khả năng xây dựng các mô hình dự đoán chính xác thông qua dữ liệu động học hình thái đã được nâng cấp với sự ra đời của hệ thống nuôi có tích hợp chụp hình ảnh theo thời gian (Time-Lapse Imaging - TLI). Trong phòng thí nghiệm IVF, hoạt động của phôi hiện có thể được theo dõi trong suốt quá trình phát triển trong TLI, tăng sự đồng thuận của nhà phôi học trong việc đánh giá và đưa ra quyết định lâm sàng. Cho đến nay, nhiều mạng nơ-ron nhân tạo (Artificial Neural Networks - ANN), một phương pháp chính trong trí tuệ nhân tạo (Artificial Intelligence - AI), đã được phát triển và các nghiên cứu tiền lâm sàng, hồi cứu, không ngẫu nhiên đã được sử dụng để xác nhận hiệu suất của chúng trên một số ứng dụng trong hỗ trợ sinh sản. Chúng bao gồm đánh giá giao tử, chú thích tự động các sự kiện phát triển phôi chính, dự đoán khả năng sống, dự đoán khả năng làm tổ, dự đoán bội thể, các ứng dụng chẩn đoán và hỗ trợ ra quyết định lâm sàng.
Mục tiêu chính của nghiên cứu này là đánh giá hiệu suất của mô hình AI Day-5 AIVF (AIVF, Tel Aviv, Israel) là chính xác và đáng tin cậy, phân biệt khả năng của AI trong việc xử lý các biến thể và sự phức tạp vốn có trong dữ liệu. Để đạt được các mục tiêu này, nghiên cứu này sử dụng phương pháp luận bốn bước: (I) tuyển chọn các tập dữ liệu đa dạng, có chú thích đại diện cho trường hợp sử dụng lâm sàng; (II) phát triển và tối ưu hóa mô hình AI; (III) đánh giá hiệu suất nhất quán và đáng tin cậy của AI trên các tập dữ liệu khác nhau; (IV) đảm bảo tính liên quan lâm sàng bằng cách trực quan hóa các mối tương quan với các đặc điểm chất lượng phôi thông thường.
 
Phương pháp
Nhóm nghiên cứu xây dựng và kiểm tra một mô hình AI tên AIVF Day-5 để đánh giá phôi trong thụ tinh ống nghiệm (IVF). Dữ liệu được thu thập từ 10 phòng khám ở 9 quốc gia từ năm 2018-2022, chia thành 3 nhóm: nhóm huấn luyện (16.935 phôi từ 3 phòng khám), nhóm kiểm tra (1.708 phôi từ 3 phòng khám), và nhóm độc lập (7.445 phôi từ 7 phòng khám). Các phôi được nuôi đến ngày 5 trong tủ cấy EmbryoScope, chụp ảnh time-lapse đều đặn, kèm theo thông tin về hình dạng phôi, tuổi người cho noãn, và kết quả thai kỳ (có tim thai hay không).
Mô hình AI được thiết kế để chấm điểm phôi từ 1,0 đến 9,9 dựa trên khả năng dẫn đến thai kỳ thành công, không cần người nhập dữ liệu thủ công. Nó được huấn luyện trên phôi đạt 105 giờ sau thụ tinh, dùng công nghệ học sâu (Resnet50) với hai phần phân loại: một kiểm tra tim thai, một đánh giá chất lượng phôi. Hình ảnh phôi được xử lý tự động bằng mạng UNet và một mô hình nhận diện giai đoạn phôi nang, chạy trên máy tính mạnh của Amazon.
Để kiểm tra AI có hoạt động tốt không, họ phân tích điểm số trên hai nhóm kiểm tra và độc lập, dùng các công cụ thống kê (như ROC-AUC, OR) để xem AI có dự đoán chính xác không. Họ cũng so sánh điểm AI với cách đánh giá phôi truyền thống từ 7.092 phôi để chắc chắn AI phù hợp với thực tế lâm sàng.
 
Kết quả
Thu thập và chú thích dữ liệu
Tổng cộng 2.165 phôi được chuyển đơn, trong đó 1.959 phôi có kết quả thai kỳ rõ ràng (975 FH+, 984 FH-). Nhóm kiểm tra có 41,6% phôi từ noãn hiến tặng, trong khi nhóm độc lập là 19,9%, phản ánh sự đa dạng thực tế. Tuổi trung bình của mẹ ở cả hai nhóm là 38,76, nhưng tuổi noãn khác nhau (30,20 ở nhóm kiểm tra, 35,79 ở nhóm độc lập).
Hiệu suất AI
AI chấm điểm phôi từ 1,0 - 9,9. Khi chia theo tuổi noãn, điểm AI giảm khi tuổi tăng, khớp với tỷ lệ nhịp tim thai (Fetal Heartbeat – FH) giảm (ví dụ: tuổi <35 có FH cao nhất, >43 thấp nhất). Điểm trung bình của phôi FH+ luôn cao hơn FH- ở mọi nhóm tuổi (p<0,01). Độ chính xác (đường cong Receiver Operating Characteristic - ROC và diện tích dưới đường cong Area Under Curve - AUC) của AI là 0,762 (kiểm tra) và 0,709 (độc lập) cho tất cả phôi, còn với phôi chuyển là 0,630 và 0,659.
Tương quan với hình thái
Điểm AI khớp tốt với đánh giá hình thái truyền thống. Phôi chất lượng cao (A) có điểm AI cao hơn (7,68) so với trung bình (B: 6,63) và kém (C: 4,68), p<0,01. Khi chia điểm thành 4 nhóm (G1<4; G2: 4-6; G3: 6,1-7,5; G4>7,5), tỷ lệ FH tăng dần từ G1 (OR thấp nhất: 0,40 - 0,45) lên G4 (OR cao nhất: 3,84 - 4,01). Nhóm G5 (>8,9) trong tập độc lập có FH cao nhất (74,54%).
 
Thảo luận
Đây là nghiên cứu đầu tiên kiểm tra AI này trên 10 phòng khám ở 9 quốc gia. Tập kiểm tra dùng cùng phòng khám với tập huấn luyện nhưng khác bệnh nhân, còn tập độc lập lấy từ các phòng khám hoàn toàn mới, đảm bảo AI hoạt động tốt trên dữ liệu đa dạng, không bị giới hạn bởi quy trình hay loại chu kỳ IVF.
Kết quả cho thấy điểm AI cao hơn đồng nghĩa với phôi chất lượng tốt hơn và tỷ lệ tim thai (FH) cao hơn. Nhóm điểm cao nhất (G4, ≥7,5) có tỷ lệ thành công cao nhất (OR 3,84 – 4,01), trong khi nhóm thấp nhất (G1, <4,0) có tỷ lệ thấp nhất (OR 0,40 - 0,45). AI còn phân biệt được sự khác biệt nhỏ giữa các phôi có hình thái tương tự, giúp chọn phôi tốt nhất cho chuyển đơn, vượt qua hạn chế của cách đánh giá truyền thống vốn chủ quan và không liên tục.
Tuy nhiên, nghiên cứu có hạn chế vì mang tính hồi cứu. Các yếu tố như đặc điểm dân số, điều kiện nuôi cấy, hay tình trạng tử cung có thể ảnh hưởng đến kết quả khi áp dụng thực tế. AUC (0,709-0,762) tuy cao nhưng không đánh giá đầy đủ khả năng xếp hạng phôi trong một nhóm bệnh nhân, do nhiều phôi không được chuyển và thiếu dữ liệu kết quả.
Ngoài ra, ảnh hưởng của AI lên quyết định của chuyên gia phôi học cần được nghiên cứu thêm, vì chưa rõ nó tác động thế nào đến kết quả thực tế. Dù vậy, AI này hứa hẹn cải thiện độ chính xác và nhất quán trong đánh giá phôi, hỗ trợ hiệu quả cho IVF nếu được thử nghiệm thêm.
 
Kết luận
Nghiên cứu này trình bày một mô hình AI đã được xác thực cung cấp một công cụ đáng tin cậy và nhất quán để đánh giá phôi trong nhiều bối cảnh lâm sàng. Hiệu suất nhất quán của mô hình trên nhiều tập dữ liệu khác nhau, hệ thống chấm điểm liên tục và khả năng hỗ trợ các phương pháp đánh giá phôi thông thường khiến nó trở thành một phương pháp bổ sung đầy hứa hẹn cho các hoạt động IVF hiện có. Nghiên cứu liên tục và các thử nghiệm lâm sàng triển vọng sẽ rất cần thiết để tích hợp hoàn toàn AI vào phòng thí nghiệm IVF, cuối cùng là cải thiện hiệu quả và kết quả của các công nghệ hỗ trợ sinh sản.
 
Tài liệu tham khảo: Gilboa, D., Garg, A., Shapiro, M., Meseguer, M., Amar, Y., Lustgarten, N., Desai, N., Shavit, T., Silva, V., Papatheodorou, A., Chatziparasidou, A., Angras, S., Lee, J. H., Thiel, L., Curchoe, C. L., Tauber, Y., & Seidman, D. S. (2025). Application of a methodological framework for the development and multicenter validation of reliable artificial intelligence in embryo evaluation. Reproductive biology and endocrinology: RB&E, 23(1), 16. https://doi.org/10.1186/s12958-025-01351-w

Từ khóa: Trí tuệ nhân tạo, chụp ảnh tua nhanh thời gian, xếp loại phôi, học máy