CVPH. Phạm Duy Tùng – IVFMD Tân Bình

Xét nghiệm di truyền tiền làm tổ để xác định lệch bội (Pre-implantation genetic testing for aneuploidy - PGT-A) sử dụng công nghệ giải trình tự thế hệ mới đã và đang là một phương pháp đánh giá di truyền phôi có độ chính xác cao. Tuy nhiên, phương pháp này vẫn có những hạn chế trong việc phát hiện các thể đa bội (như 69, XXX) hay xác định nguồn gốc của thể dị bội đến từ bố hay mẹ. Trí tuệ nhân tạo (Artificial intelligence - AI) có thể được ứng dụng để tăng độ nhạy và độ đặc hiệu trong quá trình phân loại phôi, và nghiên cứu này được thực hiện nhằm đánh giá hiệu quả của việc kết hợp AI và PGT-A trong lựa chọn phôi đến kết quả lâm sàng. Những tiến bộ về AI sẽ giúp việc xử lý các tín hiệu và nhiễu thu nhận được từ quá trình phân tích trở nên chính xác hơn, dẫn đến việc phân loại phôi chính xác hơn, kéo theo các kết quả lâm sàng như tỷ lệ làm tổ, thai lâm sàng, thai diễn tiến và trẻ sinh sống cao hơn cũng như giảm được tỷ lệ thai sinh hoá và sảy thai.
 
Hồi cứu đơn trung tâm lấy dữ liệu từ những bệnh nhân thực hiện PGT-A. Quy trình thực hiện PGT-A sử dụng các bộ xét nghiệm di truyền thương mại sẵn có. Kỹ thuật NGS được thực hiện trên máy VeriSeq sử dụng thư viện được tạo ra trước đó sử dụng MiSeq. Dữ liệu giải trình tự sẽ được chuyển thành dạng hình ảnh bởi phần mềm BlueFuse và được phân tích thủ công bởi chuyên viên labo. AI 1.0 và 2.0 được  sử dụng để xử lý dữ liệu thô từ máy sử dụng các thuật toán phát triển riêng, với việc huấn luyện dựa trên các thuật toán máy học tức thời sử dụng hồi quy tuyến tính và mô hình ẩn của Markov, sự khác biệt đến từ loại dữ liệu mà máy được cho để xử lý, với AI 2.0 là kết quả giải trình tự từ máy NextSeq với lượng dữ liệu lớn hơn kết hợp với đơn vị xử lý dữ liệu của đa hình nucleotide đơn nhằm xác định các dạng đột biến đa bội. Nghiên cứu sẽ so sánh khả năng phân tích kết quả từ 2 mô hình AI so sánh với hiệu quả của việc phân tích thủ công trên các kết qủa PGT-A. Hồi cứu được thực hiện trên 4.765 chu kỳ điều trị với 24.908 phôi được thực hiện sinh thiết, kết quả chính của nghiên cứu là tỷ lệ nguyên bội, lệch bội và tỷ lệ phôi khảm đơn, các kết cục phụ bao gồm các kết quả lâm sàng như tỷ lệ làm tổ, thai lâm sàng, thai sinh hoá, sảy thai, thai diễn tiến và trẻ sinh sống. Sau khi phân tích, nhóm nhận được một số kết quả như sau:
 

• AI 1.0 cho ra kết quả tỷ lệ phôi nguyên bội cao hơn đáng kể so với người thực hiện (36,6% so với 28,9% p<0,001). Đặc biệt ở các nhóm bệnh nhân <35 tuổi, 35-37 và 38-40 tuổi (p<0,001)
• Kết quả tỷ lệ phôi nguyên bội của AI 2.0 cũng cao hơn so với người thực hiện (35,0 so với 28,9%, p<0,001). Nhưng đã có sự thay đổi trong nhóm tuổi so với AI 1.0, cụ thể tỷ lệ nguyên bội cao hơn giới hạn ở nhóm <35 và từ 35-37 tuổi (p<0,001).
• Ngược lại, tỷ lệ kết quả phôi lệch bội của AI 1.0 thấp hơn đáng kể so với người thực hiện (52,1% so với 57,0%, p<0,001). Kết quả này hiện diện ở hầu hết các nhóm tuổi trừ những trường hợp >41 tuổi. Trong đó, chỉ có nhóm <35 tuổi đạt được ý nghĩa thống kê.
• Kết quả khảm đơn nhiễm sắc thể khi được phân tích bằng AI 1.0 và 2.0 đều thấp hơn đáng kể so với người thực hiện (11,3% và 10,1% so với 14,0%, p<0,05).
• AI 2.0 cũng đã được cải thiện nhằm phát hiện được thể tam bội chính xác hơn so với AI 1.0.
• Khi phân tích kết quả lâm sàng, AI 1.0 không có sự khác biệt đáng kể so với kết quả từ người thực hiện. Với AI 2.0 tất cả các tỷ lệ đạt được đều có sự cải thiện nhất định, từ tỷ lệ làm tổ, tỷ lệ thai lâm sàng, tỷ lệ thai diễn tiến và trẻ sinh sống đều cao hơn so với người thực hiện; mặc dù trong đó chỉ có tỷ lệ trẻ sinh sống đạt được ý nghĩa thống kê (70,3% so với 61,7%, p<0,05).
• Tỷ lệ thai sinh hoá và sảy thai ở cả 2 nhóm AI đều thấp hơn so với người thực hiện. Trong đó, tỷ lệ thai sinh hoá của nhóm AI 2.0 đạt được ý nghĩa thống kê với 4,6% so với 11,8% (p=0,012).

 
Qua các kết quả trên, nhóm nghiên cứu nhận thấy AI có thể giúp cải thiện các kết quả lâm sàng trong các chu kỳ thực hiện PGT-A thông qua việc hỗ trợ phân tích kết quả chính xác hơn. AI 1.0 trong nghiên cứu đã có thể cho ra kết quả tương tự với chuyên viên phân tích trong lab và bản nâng cấp 2.0 cho phép đưa ra các kết quả cải thiện đáng kể và có ý nghĩa thống kê. Với việc sử dụng AI và cho phép chúng học tập trên lượng dữ liệu lớn có thể giúp đưa ra các kết quả chính xác hơn, hỗ trợ các chuyên viên trong việc lựa chọn phôi chuyển cho bệnh nhân. Mặc dù AI mang lại tiềm năng rất lớn nhưng vẫn còn nhiều tranh cãi quanh vấn đề về đạo đức, tính chính xác của AI vẫn chưa đồng đều trong các giá trị như tỷ lệ làm tổ hay dự đoán được tiềm năng phát triển của phôi. Chưa kể đến những hạn chế trong việc phân tích các kết quả phôi mang đa khảm vốn là một trong những khó khăn trong phân tích kết quả sinh thiết. Do vậy, những AI này sẽ cần được huấn luyện và cải tiến nhiều hơn trước khi được đưa vào sử dụng trong việc phân tích các kết quả di truyền phôi.
                                                                                         
Nguồn: Buldo-Licciardi J, Large MJ, McCulloh DH, McCaffrey C, Grifo JA. Utilization of standardized preimplantation genetic testing for aneuploidy (PGT-A) via artificial intelligence (AI) technology is correlated with improved pregnancy outcomes in single thawed euploid embryo transfer (STEET) cycles. J Assist Reprod Genet. 2023;40(2):289-299. doi:10.1007/s10815-022-02695-7

Từ khóa: Ứng dụng trí tuệ nhân tạo trong chuẩn hoá xét nghiệm di truyền tiền làm tổ giúp cải thiện kết quả thai lâm sàng ở các chu kỳ chuyển đơn phôi trữ nguyên bội