Việc đánh giá chất lượng phôi và chọn đúng phôi tiềm năng cho chuyển phôi là yếu tố then chốt giúp nâng cao hiệu quả điều trị hỗ trợ sinh sản (HTSS). Hiện nay, có nhiều phương pháp tiếp cận nhằm đánh giá chất lượng phôi, trong đó việc lựa chọn phôi dựa trên hình thái là cách tiếp cận không xâm lấn, đơn giản nhất vẫn được áp dụng thường quy tại các trung tâm HTSS. Tuy nhiên, việc đánh giá hình thái phôi một cách thủ công bởi chuyên viên phôi học thường mất nhiều thời gian và phụ thuộc vào kinh nghiệm dẫn đến độ chính xác và đồng thuận chưa cao. Gần đây, đã có nhiều nghiên cứu sử dụng các thuật toán công nghệ trí tuệ nhân tạo (AI) để phân tích dữ liệu hình thái phôi nhằm cải thiện độ chính xác trong lựa chọn phôi tiềm năng. Các thuật toán AI này đã được đánh giá về khả năng xác định chính xác giữa các phôi có chất lượng khác nhau; tuy nhiên, tính nhất quán của thuật toán AI vẫn chưa được đánh giá. 

Chính vì thế, nghiên cứu tiến cứu mù đôi sử dụng dữ liệu hồi cứu tại trung tâm sinh sản Hoa Kỳ đã tiến hành nhằm đánh giá tính nhất quán đồng thuận và tính khách quan của mạng lưới thần kinh sâu của công nghệ AI trong việc phân loại lựa chọn phôi để sinh thiết và trữ lạnh so với các chuyên viên phôi học. Nghiên cứu sử dụng hình ảnh phôi gồm 748 hình được ghi lại lúc 70 giờ sau ICSI và 742 hình ở 113 giờ sau ICSI để đánh giá hệ số biến thiên trong phân loại phôi của các chuyên viên phôi học nhiều năm kinh nghiệm và mạng lưới thần kinh. Tỷ lệ đồng thuận của 10 chuyên viên phôi học nhiều năm kinh nghiệm và một mạng lưới thần kinh cũng được đánh giá trong việc ra quyết định sử dụng phôi (sinh thiết và trữ lạnh) từ hình ảnh 56 phôi. Các thông số chính đo lường việc đánh giá hiệu quả này là hệ số biến thiên của phân loại phôi (% CV, giữa 2 tập dữ liệu thì tập nào có hệ số biến thiên lớn hơn là tập có mức độ biến động lớn hơn), tỷ lệ đồng thuận khi lựa chọn phôi sử dụng, hệ số của phân tích Cronbach’s  (khi hệ số Cronbach’s khoảng 0,95 trở lên thì các biến không có sự khác biệt).
 Kết quả ghi nhận được là:

• Trong đánh giá phân loại phôi, các chuyên viên phôi học có hệ số biến thiên cao (% CV trung bình: 82,84% cho phôi 70 giờ sau ICSI và 44,98% cho phôi 113 giờ sau ICSI).
• Khi lựa chọn phôi nang để sinh thiết hoặc trữ lạnh thì tỷ lệ đồng thuận trung bình giữa các chuyên viên phôi học lần lượt là 52,14% và 57,68%. Trong khi đó, mạng lưới thần kinh sâu của công nghệ AI vượt trội so với các nhà phôi học trong việc lựa chọn phôi nang để sinh thiết hoặc trữ lạnh với tỷ lệ đồng thuận là 83,92%.
• Phân tích Cronbach’s  cho thấy hệ số là 0,60 đối với các nhà phôi học và 1,00 đối với mạng lưới thần kinh sâu. Hệ số Cronbach’s  cho thấy đánh giá phân loại phôi bằng mạng lưới thần kinh sâu có tính đồng thuận cao.

Kết quả nghiên cứu này cho thấy tính biến động ít đồng thuận giữa các chuyên viên phôi học trong việc phân loại phôi còn cao, có thể là do tính chất chủ quan của phân loại dựa vào hình thái học. Điều này cuối cùng có thể dẫn đến các quyết định sử dụng phôi ít chính xác hơn và loại bỏ phôi khả thi. Việc áp dụng một mạng lưới thần kinh sâu có thể tiếp cận một phương pháp đánh giá lựa chọn phôi với độ tin cậy được cải thiện và tính nhất quán cao, nhằm cải thiện kết quả điều trị HTSS của bệnh nhân.


Nguồn: Consistency and objectivity of automated embryo assessments using deep neural networks, Fertility and Sterility, 2020, doi: 10.1016/j.fertnstert.2019.12.004

Từ khóa: Tính nhất quán và khách quan của việc đánh giá phôi tự động bằng cách sử dụng mạng lưới thần kinh sâu