CVPH. Phạm Duy Tùng –IVFMD Tân Bình
 
Kỹ thuật vi thao tác trong hỗ trợ sinh sản là việc sử dụng các dụng cụ siêu nhỏ để tương tác với giao tử và phôi. Trong đó, hai kỹ thuật vi thao tác phổ biến trong ngành này đó là tiêm tinh trùng vào bào tương noãn (intracytoplasmic sperm injection – ICSI) và hỗ trợ thoát màng (assisted hatching - AH). ICSI bao gồm các bước cơ bản như giữ noãn, lựa chọn tinh trùng, bắt tinh trùng và cuối cùng là tiêm tinh trùng vào bào tương noãn một cách cẩn thận, hạn chế ảnh hưởng đến noãn đặc biệt là thoi vô sắc trong noãn. Sự thành công của kỹ thuật ICSI phụ thuộc nhiều yếu tố, đặc biệt trong số đó là kinh nghiệm và kỹ năng của chuyên viên phôi học. Trong khi đó, AH là kỹ thuật làm mỏng hoặc làm thủng màng trong suốt với phương pháp phố biến nhất hiện nay là sử dụng laser và thường được thực hiện vào giai đoạn phôi phân chia. Tương tự như ICSI, kỹ thuật và kinh nghiệm của chuyên viên phôi học cũng góp phần không nhỏ trong việc lựa chọn khu vực thực hiện AH, từ đó nâng cao tỷ lệ thành công. Từ đó có thể thấy, 2 kỹ thuật này mang tính chủ quan rất lớn và việc tiêu chuẩn hoá 2 kỹ thuật này không hề đơn giản. Do vậy, trong nghiên cứu này, nhóm thực hiện muốn sử dụng trí tuệ nhân tạo (artificial intelligence – AI) dựa trên nền tảng mạng thần kinh tích chập (convolutional neural networks – CNN) để tạo ra một công cụ hỗ trợ, giúp tiêu chuẩn hoá các quy trình này bằng cách tối ưu hoá quy trình thực hiện và kiểm chứng xem liệu các công cụ AI có thể thực hiện được các tác vụ như vậy hay không.
  
Mục tiêu của nghiên cứu là phát triển 2 mô hình CNN có thể đánh giá và phân loại noãn trưởng thành cũng như phôi giai đoạn phân chia. Các đoạn phim của noãn và phôi phân chia được ghi lại nhờ hệ thống theo dõi liên tục timelapse sẽ được ghi nhận và xử lý thành hình ảnh tĩnh và được đánh giá bởi các chuyên viên phôi học. Hai mô hình CNN được huấn luyện trên các dữ liệu hình ảnh này và nhiệm vụ là xác định chính xác vị trí thể cực ở noãn trưởng thành đối với nhóm ICSI (CNN-ICSI) và xác định vị trí tối ưu để thực hiện AH (CNN-AH). Độ chính xác của 2 mô hình sẽ được đánh giá bằng các bộ dữ liệu độc lập với 3 lần thực hiện. Sai số tuyệt đối sẽ được sử dụng để tính tỷ lệ chính xác cho từng mô hình với khoảng tin cậy 95%. Qua quá trình xây dựng và đánh giá mô hình, nhóm thu được những kết quả sau:
 

• Mô hình CNN-ICSI có khả năng nhận diện chính xác vị trí thể cực cũng như vị trí tiêm tinh trùng đến 99% (khoảng tin cậy 95%: 98,5-99,2) với sai lệch so với vị trí đánh giá của chuyên viên phôi học là 30°. Khi không cho phép sai số so với chuyên viên phôi học, độ chính xác của mô hình là 92,15% (khoảng tin cậy 95%: 91,26-92,98).
• Mô hình CNN-AH có khả năng đánh giá vị trí thực hiện AH chính xác đến 99,41% (khoảng tin cậy 95%: 99,11-99,62) khi sai lệch cho phép với chuyên viên phôi học là 30°. Khi không cho phép sai số, độ chính xác là 93,54% so với chuyên viên phôi học (khoảng tin cậy 95%: 92,73-94,30).

Nghiên cứu cho thấy tính ứng dụng của AI trong việc hỗ trợ những kỹ thuật vi thao tác trong hỗ trợ sinh sản. Kết quả của nghiên cứu là 2 mô hình AI có khả năng xác định chính xác vị trí để thực hiện các kỹ thuật vi thao tác ICSI và AH, cũng như cung cấp hệ thống phân loại phôi/noãn 12 điểm với tiềm năng ứng dụng trong các nghiên cứu tiếp theo. Những mô hình này có tiềm năng trong việc tạo ra các hệ thống hỗ trợ vi thao tác cho chuyên viên phôi học thời gian thực trong tương lai. Tuy nhiên, hai mô hình trong nghiên cứu chỉ mới giới hạn ở hình ảnh từ một trung tâm thụ tinh ống nghiệm với một hệ thống hình ảnh duy nhất. Do đó, việc huấn luyện các mô hình này trên các hệ thống khác nhau là cần thiết để tăng tính linh động của mô hình. Việc phát triển các mô hình AI này giúp tối ưu hoá các quy trình thao tác với giao tử và phôi cũng như đặt nền tảng cho việc phát triển các hệ thống tự động trong tương lai.
  
Nguồn: Jiang VS, Kartik D, Thirumalaraju P, et al. Advancements in the future of automating micromanipulation techniques in the IVF laboratory using deep convolutional neural networks [published online ahead of print, 2022 Dec 31]. J Assist Reprod Genet. 2022;10.1007/s10815-022-02685-9. doi:10.1007/s10815-022-02685-9

Từ khóa: Ứng dụng mạng thần kinh tích chập trong tự động hoá các kỹ thuật vi thao tác trong tương lai