CN. Trần Hồ Khánh Duyên¹, KS. Nông Thị Hoài ¹, CNXN. Nguyễn Thị Thuỷ Tiên^1
1 Bệnh viện Đại học Y Dược Buôn Ma Thuột
 

1. Đặt vấn đề

Thụ tinh trong ống nghiệm (TTTON) là một trong những phương pháp hỗ trợ sinh sản phổ biến và hiệu quả nhất hiện nay. Tuy nhiên, một trong những vấn đề đáng lo ngại của kỹ thuật này là nguy cơ dẫn đến tình trạng đa thai. Đa thai xảy ra khi có nhiều hơn một phôi được chuyển vào tử cung và cả hai (hoặc nhiều hơn) cùng làm tổ và phát triển thành thai nhi (1). Ban đầu, việc chuyển nhiều phôi được xem là chiến lược nhằm tăng tỷ lệ thành công trong IVF, đặc biệt đối với phụ nữ lớn tuổi, chất lượng phôi kém hoặc có tiền sử thất bại nhiều lần trong các chu kỳ IVF trước đó. Tuy nhiên, việc này làm tăng nguy cơ đa thai, gây ra nhiều biến chứng nghiêm trọng cho cả mẹ và thai nhi.
Ngoài những nguy cơ y tế, tình trạng đa thai còn gây áp lực tâm lý và tinh thần đáng kể cho các bậc cha mẹ. Việc chăm sóc nhiều trẻ sơ sinh cùng lúc, đặc biệt là các bé sinh non hoặc có vấn đề sức khỏe, đòi hỏi sự đầu tư lớn về thời gian, tài chính và tinh thần. Những áp lực này không chỉ ảnh hưởng đến chất lượng cuộc sống của cha mẹ mà còn tác động đến sự phát triển toàn diện của các bé.
Tỉ lệ đa thai trong IVF chiếm một phần đáng kể trong tổng số trường hợp mang thai từ kỹ thuật hỗ trợ sinh sản này. Theo thống kế tỷ lệ mang thai ba trên toàn thế giới ước tính là 0,093% so với tỷ lệ trong tự nhiên khoảng 1/8000 (2).

2. Biến chứng đa thai và hướng xử lý

Mục tiêu của điều trị vô sinh là giúp các cặp vợ chồng sinh ra một đứa trẻ khỏe mạnh, Hiệp hội Công nghệ Hỗ trợ Sinh sản (SART) và Hiệp hội Y học Sinh sản Hoa Kỳ (ASRM) đã đưa ra các hướng dẫn khuyến nghị số lượng phôi chuyển tối ưu, dựa trên các yếu tố như độ tuổi của bệnh nhân, chất lượng phôi và các yếu tố liên quan khác.
Hiện nay, nhiều trung tâm hỗ trợ sinh sản đã áp dụng chính sách chuyển đơn phôi chọn lọc (Single Embryo Transfer - SET) nhằm giảm nguy cơ đa thai mà vẫn đảm bảo tỷ lệ thành công. Theo các nghiên cứu, SET giúp giảm tỷ lệ sinh đôi xuống dưới 5% nhưng có thể giảm một phần ba tỷ lệ trẻ sinh sống cho mỗi lần chuyển phôi so với chuyển hai phôi (3). Đa số các bác sĩ lâm sàng đều cho rằng SET là hướng điều trị tối ưu, tuy nhiên trong một số trường hợp đặc biệt, cần có sự điều chỉnh linh hoạt. Độ tuổi của người mẹ là yếu tố quan trọng nhất quyết định số lượng phôi được chuyển, vì tỷ lệ mang thai giảm rõ rệt ở phụ nữ lớn tuổi (4). Ngoài ra, các yếu tố như thời gian vô sinh kéo dài hay tiền sử thất bại nhiều lần cũng góp phần làm tăng số lượng phôi chuyển.
Đối với người mẹ, đa thai làm tăng đáng kể nguy cơ mắc các biến chứng như tăng huyết áp thai kỳ, tiền sản giật, tiểu đường thai kỳ và thậm chí là chảy máu sau sinh – những tình trạng này có thể đe dọa tính mạng nếu không được kiểm soát chặt chẽ. Về phía thai nhi, đa thai làm tăng nguy cơ sinh non, suy dinh dưỡng bào thai, trẻ nhẹ cân và đặc biệt là nguy cơ tử vong chu sinh cao hơn nhiều lần so với mang thai đơn. Những trẻ sinh non do đa thai cũng thường phải đối mặt với các vấn đề sức khỏe lâu dài, bao gồm chậm phát triển thể chất và trí tuệ.
Để giảm thiểu tỷ lệ đa thai, các kỹ thuật và dụng cụ lựa chọn phôi đã được phát triển, như trí tuệ nhân tạo (AI) để đánh giá chất lượng phôi, ứng dụng time-lapse trong nuôi cấy phôi và xét nghiệm di truyền tiền làm tổ (PGT-Preimplantation Genetic Testing) để chọn lọc phôi khỏe mạnh nhất. Việc lựa chọn chỉ một phôi chất lượng cao để chuyển giúp tăng khả năng thành công của IVF, đồng thời giảm thiểu nguy cơ đa thai và các biến chứng liên quan.

3. Các công cụ lựa chọn phôi chuyển, hiệu quả và triển vọng:

Trí tuệ nhân tạo (Artificial Intelligence - AI)
Trí tuệ nhân tạo (AI) là lĩnh vực khoa học và kỹ thuật tập trung vào việc phát triển các máy móc thông minh, đặc biệt là các chương trình máy tính có khả năng suy nghĩ, hành động và đưa ra quyết định như con người. Trong y học, đặc biệt là lĩnh vực hỗ trợ sinh sản AI đang trở thành công cụ quan trọng giúp tối ưu hoá hiệu quả điều trị IVF. Nhiều nghiên cứu đã chứng minh AI là phương pháp tiếp cận tự động và không thiên vị trong việc đánh giá phôi (5).
Dữ liệu đầu vào của AI bao gồm hình ảnh, video theo dõi sự phát triển động học phôi, thông tin chuyển hoá, và các đặc điểm nền của bệnh nhân. Thuật toán AI phân tích các dữ liệu này để phân loại hình thái phôi hoặc dự đoán kết quả lâm sàng, như khả năng phôi nguyên bội, khả năng làm tổ, và tỷ lệ trẻ sinh sống. Đây là phương pháp không xâm lấn, khách quan, tiết kiệm thời gian, đồng thời cho độ chính xác cao hơn các phương pháp truyền thống.
Nghiên cứu của Pegah và cộng sự (2019) đã sử dụng mạng thần kinh sâu (DNN) phân tích hơn 50.000 hình ảnh Time-lapse từ một trung tâm IVF tại Hoa Kỳ. Kết quả cho thấy AI tích hợp chất lượng phôi và tuổi bệnh nhân để dự đoán khả năng mang thai với tỷ lệ dao động từ 13,8% ở bệnh nhân ≥ 41 tuổi với phôi chất lượng kém đến 66,3% ở bệnh nhân < 37 tuổi với phôi chất lượng tốt. Nghiên cứu cho thấy AI có khả năng vượt trội hơn các chuyên viên phôi học khi đánh giá chất lượng hình ảnh phôi (6).
Một mô hình khác, iDAScore (Vitrolife), cho phép đánh giá hình thái phôi chính xác mà không cần sự can thiệp của chuyên viên, đồng thời có thể dự đoán kết cục lâm sàng. Nghiên cứu của Jacob và cộng sự (2023), với iDAScore v2.0, đã phân tích 181.428 phôi từ 22 phòng khám IVF toàn cầu. Kết quả cho thấy khả năng dự đoán tỷ lệ làm tổ tăng theo thời gian đặc biệt với phôi ngày 5+ có tỷ lệ làm tổ cao nhất (6% đến 65%). Mô hình này giúp tự động xếp hạng phôi dựa trên khả năng làm tổ, tiết kiệm thời gian và nâng cao tính nhất quán so với đánh giá truyền thống (7).
Nghiên cứu của Peter và cộng sự (2024) so sánh hiệu quả giữa iDAScore và đánh giá hình thái tiêu chuẩn bởi các chuyên viên phôi học. Kết quả cho thấy tỷ lệ mang thai tương đương giữa hai phương pháp (46,5% và 48,2%, P=0,62) và không có sự khác biệt đáng kể về hiệu quả lâm sàng. Tuy nhiên, thời gian đánh giá phôi ở nhóm iDAScore giảm gần 10 lần so với đánh giá bởi chuyên viên phôi học (P < 0,001). Dù không vượt trội về hiệu quả lâm sàng, iDAScore mang lại lợi thế lớn về thời gian (8).
Mặc dù AI có tiềm năng lớn, ứng dụng AI trong lựa chọn phôi vẫn phải đối mặt với nhiều thách thức nhất định như yêu cầu nguồn nhân lực chuyên môn cao, hiểu biết sâu sắc về công nghệ AI để vận hành và sử dụng công cụ một cách hiệu quả, các chi phí về máy móc kỹ thuật và bảo trì, bảo dưỡng. Nếu dữ liệu không đạt yêu cầu hoặc không đủ phong phú, kết quả phân tích có thể sai lệch, ảnh hưởng đến độ tin cậy và quyết định lâm sàng. Do đó, mặc dù AI hứa hẹn nâng cao hiệu quả và tự động hóa trong lựa chọn phôi, nhưng cần được triển khai thận trọng và tiếp tục nghiên cứu sâu hơn để đảm bảo tính an toàn, hiệu quả và phù hợp với thực tế lâm sàng (9).
Ứng dụng Time-lapse trong nuôi cấy phôi
Tủ nuôi cấy phôi tích hợp hệ thống kính hiển vi đảo ngược và camera chuyên dụng, cùng với phần mềm ghi nhận hình ảnh, cho phép theo dõi toàn bộ quá trình phân chia của phôi. Nuôi cấy phôi bằng công nghệ Time-lapse giúp tạo môi trường nuôi cấy ổn định, giảm thiểu các thao tác trực tiếp lấy đĩa nuôi cấy ra khỏi tủ cấy, từ đó hạn chế biến động về pH và nhiệt độ của môi trường nuôi cấy. Camera và phần mềm tích hợp cung cấp khả năng quan sát liên tục, giúp phát hiện các bất thường trong quá trình phân chia của phôi, đồng thời thu thập dữ liệu động học hình thái để hỗ trợ các chuyên viên phôi học trong việc đánh giá. Ngoài ra, Time-lapse còn cung cấp hình ảnh trực quan về sự phát triển của phôi, giúp bệnh nhân hiểu rõ hơn về quá trình này.
Theo nghiên cứu của Zhang và cộng sự (2022), so sánh giữa phương pháp nuôi cấy phôi bằng Time-lapse và nuôi cấy tủ cấy thông thường trên 1182 bệnh nhân chuyển phôi. Số lượng phôi làm tổ thành công trong chu kỳ chuyển đầu tiên cao hơn đáng kể ở nhóm Time-lapse (52,35% so với 47,11%, P = 0,014) (10). Tương tự, nghiên cứu tổng hợp của Jiang và cộng sự (2023) dựa trên 14 thử nghiệm ngẫu nhiên có đối chứng (RCT) so sánh giữa lựa chọn phôi qua hình ảnh Time-lapse và qua hình thái của phôi nuôi cấy bằng tủ cấy thông thường. Kết quả cho thấy nuôi cấy phôi bằng Time-lapse không cải thiện tỷ lệ sinh sống, tỷ lệ thai diễn tiến, tỷ lệ mang thai và tỷ lệ sẩy thai, tuy nhiên làm tăng tỷ lệ làm tổ so với tủ cấy thông thường. Ngoài ra, việc lựa chọn phôi nuôi Time-lapse dựa trên động học hình thái phôi cũng không cải thiện các kết cục lâm sàng so với lựa chọn phôi qua hình thái của phôi nuôi bởi tủ cấy thông thường (11).
Mặc dù chưa có bằng chứng rõ ràng cho thấy nuôi cấy phôi bằng Time-lapse cải thiện các kết cục lâm sàng, nhưng khả năng cung cấp hình ảnh phát triển phôi giúp tăng trải nghiệm bệnh nhân, đồng thời giúp họ hiểu hơn về quá trình phát triển phôi trong phòng thí nghiệm.
Xét nghiệm di truyền tiền làm tổ (PGT - Preimplantation Genetic Testing)
Đánh giá hình thái phôi được sử dụng rộng rãi để lựa chọn phôi chuyển, nhưng không phát hiện được các bất thường nhiễm sắc thể. Những bất thường này thường xảy ra do lỗi trong quá trình nguyên phân và giảm phân, đặc biệt phổ biến ở phụ nữ lớn tuổi. Nguy cơ dị bội ở phụ nữ từ 26 đến 34 tuổi khoảng 20% đến 31%, và tăng lên đáng kể từ 34% đến 75% ở phụ nữ từ 35 tuổi trở lên (12). Dị bội được xem là nguyên nhân chính gây ngừng phát triển phôi và sẩy thai. Xét nghiệm di truyền tiền làm tổ (Preimplantation Genetic Testing - PGT) là phương pháp kiểm tra phôi thông qua sinh thiết trước khi chuyển, nhằm phát hiện các bất thường nhiễm sắc thể trong những trường hợp cụ thể, như phụ nữ lớn tuổi, sẩy thai tái phát, hoặc thất bại làm tổ nhiều lần. Phương pháp này giúp cải thiện hiệu quả điều trị IVF, đặc biệt ở những nhóm bệnh nhân có nguy cơ cao.
Munné và cộng sự (2019) đã tiến hành một thử nghiệm lâm sàng đa trung tâm trên 661 phụ nữ từ 25-40 tuổi, chia ngẫu nhiên thành hai nhóm: nhóm thực hiện PGT-A (n = 330) và nhóm chỉ đánh giá hình thái phôi (n = 331). Kết quả cho thấy tỷ lệ thai diễn tiến không khác biệt đáng kể giữa hai nhóm (50% so với 46%). Tuy nhiên, ở phụ nữ từ 35–40 tuổi, nhóm thực hiện PGT-A có tỷ lệ thai diễn tiến cao hơn rõ rệt (51% so với 37%), trong khi nhóm dưới 35 tuổi, sự khác biệt này không có ý nghĩa thống kê (13).
Một nghiên cứu khác của Ohishi và cộng sự (2023) so sánh hiệu quả giữa hai nhóm có và không thực hiện PGT-A, trên 2113 phụ nữ trong chu kì có ít nhất một phôi nang. Kết quả cho thấy nhóm PGT-A có số lần chuyển phôi ít hơn nhưng tỷ lệ thai lâm sàng cao hơn trên mỗi lần chuyển và tỷ lệ sẩy thai thấp hơn so với nhóm không PGT-A, khác biệt này có ý nghĩa thống kê. Tuy nhiên, ở nhóm thực hiện IVF lần đầu, nhóm PGT-A có thời gian từ thời điểm chọc hút đến khi có trẻ sinh sống đầu tiên dài hơn đáng kể và tỷ lệ trẻ sinh sống thấp hơn so với nhóm không PGT-A. Vì vậy, PGT-A không được khuyến cáo áp dụng cho tất cả bệnh nhân mà nên cân nhắc trong các chu kỳ IVF sau khi lần đầu thất bại (14).
Việc thực hiện PGT cần được tư vấn cho từng nhóm bệnh nhân cụ thể và cá thể hoá để có thể tối ưu hiệu quả điều trị cho bệnh nhân, qua đó có thể lựa chọn phôi chuyển giúp giảm các biến chứng liên quan đến đa thai.
Xét nghiệm di truyền tiền làm tổ không xâm lấn (Non-invasive Preimplantation Genetic testing - NiPGT)
DNA tự do (cfDNA) trong môi trường nuôi cấy phôi được phát hiện lần đầu tiên vào năm 2013, tạo tiền đề cho các nghiên cứu về PGT-A không xâm lấn về sau. Năm 2016, công nghệ sàng lọc nhiễm sắc thể không xâm lấn (Non-invasive Chromosomal Screening - NICS) ra đời và đạt được những kết quả thành công ban đầu, với 5 ca sinh sống từ 7 cặp vợ chồng có bất thường NST chuyển vị cân bằng (15).
Huang và cộng sự (2023) đã thực hiện phân tích tổng hợp từ 20 nghiên cứu trước đó và chỉ ra rằng độ nhạy, độ đặc hiệu và AUC (diện tích dưới đường cong ROC) tổng hợp của niPGT trong xét nghiệm di truyền tiền làm tổ lần lượt là 0,84, 0,85 và 0,91. Điều này khẳng định niPGT có độ chính xác cao và có thể là một mô hình thay thế trong việc phân tích di truyền phôi. Tuy nhiên, phân tích tiểu nhóm nhận thấy rằng sử dụng dịch khoang phôi không cải thiện độ chính xác của niPGT (16).
Một nghiên cứu khác của Hanson và cộng sự (2021) đã tiến hành sinh thiết tế bào lá nuôi (TE) từ 166 phôi nang để thực hiện PGT-A bằng phương pháp giải trình tự gen thế hệ mới, sau đó sử dụng môi trường nuôi cấy từ các phôi nang này để thực hiên niPGT-A. Kết quả cho thấy tỷ lệ khuếch đại bộ gen đạt 100% với phương pháp sinh thiết tế bào TE, tuy nhiên ở nhóm niPGT-A có 37,3% (62/166) phôi không khuếch đại được bộ gen. Tỷ lệ khác biệt giữa kết quả niPGT-A và sinh thiết TE là 40,4%. Đặc biệt, 3 phôi được phân loại là lệch bội dựa trên kết quả niPGT-A và nguyên bội dựa trên kết quả sinh thiết TE cho ra đời những ca sinh khỏe mạnh (17).
NiPGT ra đời như một công cụ mới, không xâm lấn để sàng lọc nhiễm sắc thể của phôi mà không gây tổn thương, đồng thời có thể áp dụng cho cả những phôi không đủ điều kiện sinh thiết và tại các trung tâm chưa đủ chuyên môn thực hiện sinh thiết. Tuy nhiên, tính không đồng nhất trong dữ liệu từ các nghiên cứu niPGT hiện nay đã gây ra nhiều lo ngại, bao gồm hạn chế trong khuếch đại DNA, sự hiện diện của DNA không nguồn gốc từ phôi trong môi trường nuôi cấy, và yêu cầu thời gian nuôi cấy kéo dài đến giai đoạn phôi nang. Vì vậy, niPGT hiện chưa thể thay thế hoàn toàn cho PGT và cần thêm các nghiên cứu quy mô lớn, chuyên sâu hơn để đảm bảo tính khả thi và an toàn khi áp dụng rộng rãi trong lâm sàng.
Công nghệ Omics
Công nghệ Omics bao gồm các phương pháp phân tích toàn diện, nghiên cứu cấu trúc, chức năng và sự tương tác của các phân tử sinh học như gene, protein, lipid, và chất chuyển hóa. Trong lĩnh vực hỗ trợ sinh sản, Omics giúp xác định các đặc điểm phân tử tối ưu của các tế bào như tinh trùng, noãn, tế bào hạt, phôi, nội mạc tử cung và các sản phẩm chuyển hoá trong huyết tương, dịch nang, môi trường nuôi cấy. Phương pháp này góp phần chọn lọc tinh trùng và noãn chất lượng tốt để tạo ra hợp tử và phôi tốt nhất từ đó có thể cải thiện hiệu quả điều trị (18).
Phân tích chất chuyển hóa là một phương pháp không xâm lấn, đo lường sự hấp thụ và chuyển hoá chất của phôi thông qua môi trường nuôi cấy in vitro. Các chất chuyển hóa là sản phẩm cuối cùng của quá trình trao đổi chất, được đặc trưng bởi trọng lượng phân tử thấp và thiếu hàm lượng protein. Nghiên cứu của Sallam và cộng sự (2016) cũng chỉ ra rằng HLA-G, được tiết ra bởi nguyên bào nuôi, có vai trò trong việc bảo vệ phôi khỏi phản ứng miễn dịch và hỗ trợ sự phát triển của phôi (19).
Genomics tập trung vào nghiên cứu toàn bộ hệ gen (DNA) của sinh vật nhằm xác định trình tự gene, phát hiện các biến đổi di truyền, và phân tích mối tương quan với bệnh lý. Các công nghệ như giải trình tự gene thế hệ mới (NGS - Next Generation Sequencing) và CRISPR-Cas9 đã được ứng dụng rộng rãi để phát hiện đột biến gây bệnh, nghiên cứu bệnh di truyền, ung thư và phát triển các liệu pháp điều trị đích.
Proteomics cung cấp phương pháp không xâm lấn để đánh giá phôi, hứa hẹn là một công cụ để xác định các dấu ấn sinh học tiềm năng để chọn lựa phôi trong hỗ trợ sinh sản. Nghiên cứu của Huo và cộng sự (2020) đã phân tích nồng độ acid amin trong môi trường nuôi cấy phôi từ 98 bệnh nhân điều trị IVF. Kết quả cho thấy nồng độ serine, aspartate, histidine và alanine khác biệt đáng kể giữa phôi có khả năng làm tổ và không có khả năng làm tổ (20). Tương tự, nghiên cứu của Dominguez và cộng sự (2008) phát hiện sự khác biệt về biểu hiện protein giữa môi trường nuôi cấy phôi nang làm tổ và không làm tổ với các yếu tố như TNF-1 và IL-10 tăng cao, trong khi MSP-alpha, SCF, CXCL13, TRAILR3 và MIP-1beta giảm đáng kể (21).
Mặc dù hiện nay công nghệ Omics chưa được sử dụng như một phương pháp tham chiếu độc lập nhưng có thể đóng vai trò hỗ trợ các phương pháp đánh giá hình thái để tăng độ chính xác trong dự đoán tiềm năng chuyển phôi. Với sự phát triển không ngừng, Omics có tiềm năng trở thành công cụ hữu ích trong chọn phôi đơn lẻ để chuyển, giúp giảm nguy cơ đa thai mà vẫn duy trì tỷ lệ mang thai ổn định.

4. Kết luận

Tình trạng đa thai trong IVF vẫn là một thách thức lớn đối với y học sinh sản do các nguy cơ tiềm ẩn cho sức khỏe của mẹ và thai nhi, cũng như gánh nặng tâm lý và tài chính đối với gia đình. Sự phát triển của các công cụ lựa chọn phôi tiên tiến để thực hiện chuyển đơn phôi đã góp phần đáng kể trong việc giảm thiểu nguy cơ đa thai mà vẫn đảm bảo tỷ lệ thành công cao. Kết hợp việc sử dụng các công cụ lựa chọn phôi chuyển và tăng cường tư vấn bệnh nhân là yếu tố then chốt để đạt được mục tiêu cuối cùng của IVF là một em bé khỏe mạnh chào đời.
Tài liệu tham khảo
1. Adamson GD, Norman RJ. Why are multiple pregnancy rates and single embryo transfer rates so different globally, and what do we do about it? Fertil Steril. 2020 Oct 1;114(4):680–9.
2. Hu Q, Zeng Z, Liu H, Liao H, Xu T, Yu H. Perinatal outcomes and growth discordance of triplet pregnancies based on chorionicity: a retrospective cohort study. BMC Pregnancy Childbirth. 2024 May 28;24(1):391.
3. Scotland GS, McLernon D, Kurinczuk JJ, McNamee P, Harrild K, Lyall H, et al. Minimising twins in in vitro fertilisation: a modelling study assessing the costs, consequences and cost-utility of elective single versus double embryo transfer over a 20-year time horizon. BJOG Int J Obstet Gynaecol. 2011 Aug;118(9):1073–83.
4. McLernon DJ, Steyerberg EW, Te Velde ER, Lee AJ, Bhattacharya S. Predicting the chances of a live birth after one or more complete cycles of in vitro fertilisation: population based study of linked cycle data from 113 873 women. BMJ. 2016 Nov 16;355:i5735.
5. Dimitriadis I, Zaninovic N, Badiola AC, Bormann CL. Artificial intelligence in the embryology laboratory: a review. Reprod Biomed Online. 2022 Mar;44(3):435-448. doi: 10.1016/j.rbmo.2021.11.003. Epub 2021 Nov 12. PMID: 35027326.
6. Khosravi, P., Kazemi, E., Zhan, Q. et al. Deep learning enables robust assessment and selection of human blastocysts after in vitro fertilization. npj Digit. Med. 2, 21 (2019).
7. Theilgaard Lassen J, Fly Kragh M, Rimestad J, Nygård Johansen M, Berntsen J. Development and validation of deep learning based embryo selection across multiple days of transfer. Sci Rep. 2023 Mar 14;13(1):4235. doi: 10.1038/s41598-023-31136-3. PMID: 36918648; PMCID: PMC10015019.
8. Illingworth PJ, Venetis C, Gardner DK, Nelson SM, Berntsen J, Larman MG, Agresta F, Ahitan S, Ahlström A, Cattrall F, Cooke S, Demmers K, Gabrielsen A, Hindkjær J, Kelley RL, Knight C, Lee L, Lahoud R, Mangat M, Park H, Price A, Trew G, Troest B, Vincent A, Wennerström S, Zujovic L, Hardarson T. Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial. Nat Med. 2024 Nov;30(11):3114-3120. doi: 10.1038/s41591-024-03166-5. Epub 2024 Aug 9. PMID: 39122964; PMCID: PMC11564097.
9. Rolfes V, Bittner U, Gerhards H, Krüssel JS, Fehm T, Ranisch R, Fangerau H. Artificial Intelligence in Reproductive Medicine - An Ethical Perspective. Geburtshilfe Frauenheilkd. 2023 Jan 11;83(1):106-115. doi: 10.1055/a-1866-2792. PMID: 36643877; PMCID: PMC9833891.
10. Zhang XD, Zhang Q, Han W, Liu WW, Shen XL, Yao GD, Shi SL, Hu LL, Wang SS, Wang JX, Zhou JJ, Kang WW, Zhang HD, Luo C, Yu Q, Liu RZ, Sun YP, Sun HX, Wang XH, Quan S, Huang GN. Comparison of embryo implantation potential between time-lapse incubators and standard incubators: a randomized controlled study. Reprod Biomed Online. 2022 Nov;45(5):858-866. doi: 10.1016/j.rbmo.2022.06.017. Epub 2022 Jun 28. PMID: 36210273.
11. Jiang Y, Wang L, Wang S, Shen H, Wang B, Zheng J, Yang J, Ma B, Zhang X. The effect of embryo selection using time-lapse monitoring on IVF/ICSI outcomes: A systematic review and meta-analysis. J Obstet Gynaecol Res. 2023 Dec;49(12):2792-2803. doi: 10.1111/jog.15797. Epub 2023 Oct 1. PMID: 37778750.
12. Yan J, Wu K, Tang R, et al. Effect of maternal age on the outcomes of in vitro fertilization and embryo transfer (IVF-ET). Sci China Life Sci 2012;55:694–8. 10.1007/s11427-012-4357-0
13. Munné S, Kaplan B, Frattarelli JL, Child T, Nakhuda G, Shamma FN, Silverberg K, Kalista T, Handyside AH, Katz-Jaffe M, Wells D, Gordon T, Stock-Myer S, Willman S; STAR Study Group. Preimplantation genetic testing for aneuploidy versus morphology as selection criteria for single frozen-thawed embryo transfer in good-prognosis patients: a multicenter randomized clinical trial. Fertil Steril. 2019 Dec;112(6):1071-1079.e7. doi: 10.1016/j.fertnstert.2019.07.1346. Epub 2019 Sep 21. PMID: 31551155.
14. Ohishi S, Otani T. Preimplantation genetic testing for aneuploidy: helpful but not a first choice. J Assist Reprod Genet. 2023 Jan;40(1):161-168. doi: 10.1007/s10815-022-02683-x. Epub 2022 Dec 12. PMID: 36508033; PMCID: PMC9840739.
15. Xu J, Fang R, Chen L, et al. Noninvasive chromosome screening of human embryos by genome sequencing of embryo culture medium for in vitro fertilization. Proc Natl Acad Sci U S A 2016;113:11907–12. 10.1073/pnas.1613294113
16. Huang B, Luo X, Wu R, Qiu L, Lin S, Huang X, Wu J. Evaluation of non-invasive gene detection in preimplantation embryos: a systematic review and meta-analysis. J Assist Reprod Genet. 2023 Jun;40(6):1243-1253. doi: 10.1007/s10815-023-02760-9. Epub 2023 Mar 23. PMID: 36952146; PMCID: PMC10310611.
17.  Hanson, B. M., Tao, X., Hong, K. H., Comito, C. E., Pangasnan, R., Seli, E., Jalas, C., & Scott, R. T. (2021). Noninvasive preimplantation genetic testing for aneuploidy exhibits high rates of deoxyribonucleic acid amplification failure and poor correlation with results obtained using trophectoderm biopsy. Fertility and Sterility, 115(6), 1461–1470.
18.  Bashiri Z, Afzali A, Koruji M, Torkashvand H, Ghorbanlou M, Sheibak N, Zandieh Z, Amjadi F. Advanced strategies for single embryo selection in assisted human reproduction: A review of clinical practice and research methods. Clin Exp Reprod Med. 2024 Jun 10. doi: 10.5653/cerm.2023.06478. Epub ahead of print. PMID: 38853126.
19. Sallam HN, El Kafflsh DM, Ismail AA, Younan DN, Abdel-Rahman AF, Sallam SH. Embryo selection by measurement of soluble human leukocytic antigen-G levels in embryo culture medium in patients undergoing intracytoplasmic sperm injection. Fertil Steril 2016;105e6.
20.  Huo P, Zhu Y, Liang C, Yao J, Le J, Qin L, et al. Non-invasive amino acid profiling of embryo culture medium using HPLC correlates with embryo implantation potential in women undergoing in vitro fertilization. Front Physiol 2020;11:405.
21. Dominguez F, Gadea B, Esteban FJ, Horcajadas JA, Pellicer A, Simon C. Comparative protein-profile analysis of implanted versus non-implanted human blastocysts. Hum Reprod 2008;23:1993–2000.