Việc đánh giá hình thái phôi và chọn lựa phôi là một trong những bước quan trọng trong điều trị thụ tinh trong ống nghiệm (TTTON). Hiện nay, đánh giá hình thái phôi và chọn lựa phôi phổ biến dựa trên hình thái và được các chuyên viên phôi học làm theo cách thủ công thường mất nhiều thời gian và phụ thuộc vào kinh nghiệm chuyên môn. Vì thế, độ chính xác của phương pháp thủ công này vẫn chưa cải thiện đáng kể. Trong đó, khả năng tiên lượng tiềm năng phát triển thành phôi nang hữu dụng dựa trên hình thái phôi giai đoạn phân chia bởi chuyên viên phôi học vẫn còn hạn chế, với giá trị tiên lượng dương (PPV) đạt được dao động từ 30% đến 40%.

Những tiến bộ trong lĩnh vực trí tuệ nhân tạo (AI) và mạng lưới thần kinh liên kết (CNN) đã cho phép nhận dạng mẫu trong hình ảnh với độ chính xác cao. Công nghệ AI đã được ứng dụng trong nhiều lĩnh vực khoa học cuộc sống kể cả y tế sức khoẻ. Và những năm gần đây, AI đã nghiên cứu ứng dụng vào hỗ trợ sinh sản nhằm nâng cao hiệu quả lựa chọn phôi.

Vì thế, nhóm tác giả thuộc trường Y khoa Harvard (Hoa Kỳ) đã phát triển một thuật toán deep learning với CNN tiên lượng tiềm năng phát triển lên phôi nang từ hình ảnh phôi giai đoạn phân chia. Để thực hiện mục tiêu trên, nhóm tác giả đã sử dụng GoogleNet Inception v3 CNN và thay thế lớp phân loại cuối cùng bằng bộ dữ liệu hình ảnh 1.282 phôi được ghi lại vào ngày 2 (D2, 44 giờ) và ngày 3 (D3, 68 giờ). Dữ liệu hình này được ghi chú thích có lên phôi nang hay không vào ngày thứ 5 (D5) bởi 10 chuyên viên phôi học. Bộ hình ảnh được chia thành 2 nhóm: 1100 phôi sử dụng giai đoạn đào tạo và 182 phôi để kiểm nghiệm giá trị tiên lượng thuật toán.

Kết quả thu được là:

• Giai đoạn đào tạo: Khi sử dụng hình phôi D2, thuật toán deep learning đã có thể tiên lượng được một phôi ngày 2 có phát triển đến giai đoạn phôi nang D5 hay không với độ chính xác 68,13%, độ nhạy 74,16% (95% CI 65,38-81,72) và PPV là 76,72% (95% CI 67,97-84,07). Khi sử dụng một hình ảnh phôi D3, thuật toán dự đoán sự phát triển lên phôi nang có độ chính xác là 71,42%, độ nhạy là 75,83% (67,17-83,18) và PPV là 79,82% (71,28-86,76).
• Giai đoạn kiểm nghiệm: Khi áp dụng thuật toán để phân loại phôi nang chất lượng tốt, thì độ chính xác đạt được lần lượt là 90% và 95% khi chọn phôi D2 hay phôi D3 phát triển đến giai đoạn phôi nang.

Đây là nghiên cứu đầu tiên tiên lượng phát triển lên phôi nang từ phôi giai đoạn phân chia bằng công nghệ AI. Hơn nữa, còn minh chứng được công nghệ này có tiềm năng cao nhất trong việc cải thiện lựa chọn phôi một cách khách quan và chuẩn hoá.

Nguồn: Deep learning-enabled blastocyst prediction system for cleavage stage embryo selection, Fertility and Sterility, 2019, https://doi.org/10.1016/j.fertnstert.2019.02.077

Từ khóa: Hệ thống tiên lượng khả năng phát triển thành phôi nang bằng Deep learning để lựa chọn phôi giai đoạn phân chia