CVPH. Phạm Ngọc Đan Thanh
IVFMD Gia Định – Bệnh viện Đa khoa Gia Định
 
Giới thiệu
Kể từ khi kỹ thuật thụ tinh trong ống nghiệm (In-vitro fertilization - IVF) đầu tiên được thực hiện vào năm 1977, việc sử dụng các kỹ thuật hỗ trợ sinh sản (Assisted Reproductive Techniques - ART) đã trở thành phương pháp chủ đạo để khắc phục tình trạng vô sinh. Xu hướng sinh con muộn, nhận thức ngày càng tăng và luật pháp tự do hơn về hiến tặng giao tử có thể góp phần làm tăng nhu cầu hỗ trợ sinh sản và hiện nay, gần 4% trẻ em sinh ra ở Thụy Điển được thụ thai bằng các kỹ thuật hỗ trợ sinh sản. Tuy nhiên, các thủ thuật ART với chi phí cao, tốn kém và tỉ lệ có thai vẫn còn thấp. Trong thực hiện ART, người vợ cần phải thực hiện kích thích buồng trứng để thu được nhiều noãn trưởng thành, hoặc dùng thuốc hỗ trợ hoàng thể cho chuyển phôi đều dẫn đến những thay đổi hormone nội sinh và có thể ảnh hưởng đến tâm lý, sức khỏe và một số hệ thống bên trong như tim mạch. Việc theo dõi thai kỳ ở thai phụ thực hiện ART cho thấy huyết áp ban đầu tăng lên rồi giảm xuống và sức cản mạch máu ngoại vi, cũng như sự thay đổi trong cân bằng huyết khối - tiêu huyết khối theo hướng đông máu. Những tác động như vậy, cùng với tỷ lệ đa thai (có hơn 1 thai sau chuyển phôi) cao hơn là những ảnh hưởng tiềm ẩn có thể góp phần khiến thai kỳ ở sản phụ thực hiện ART có nguy cơ cao gặp các biến chứng như tiền sản giật, nhau tiền đạo, nhau bong non, nhau dính chặt và xuất huyết sau sinh.
 
Cho đến nay, hầu hết các ứng dụng trước đây của mô hình dự đoán áp dụng trí tuệ nhân tạo trong quần thể ART đều tập trung vào khả năng điều trị thành công (có trẻ sinh sống) hoặc cải thiện các kỹ thuật phòng thí nghiệm để lựa chọn phôi tốt hơn (tăng tỉ lệ phôi tốt, tỉ lệ đậu thai cao). Việc có thể dự đoán lâm sàng về những tình trạng nghiêm trọng như vậy cho phép các biện pháp can thiệp sớm, theo dõi hiệu quả hơn và chuẩn bị tốt hơn, nhưng khả năng dự đoán đến nay vẫn là một thách thức cho ngành ART. Ngoài ra, khi phát hiện ra những biến chứng thai kỳ này diễn ra phổ biến hơn ở những phụ nữ thực hiện ART, dự đoán cũng có thể khác ở nhóm này.
 
Nghiên cứu được thực hiện nhằm sử dụng các phương pháp học máy để phát triển các mô hình dự đoán biến chứng thai kỳ ở những phụ nữ thực hiện ART, tập trung vào mô hình điều trị trước và sau để hiểu liệu việc sửa đổi thông tin điều trị chi tiết có thể cải thiện hiệu suất dự đoán của mô hình hay không.
 
Thiết kế nghiên cứu
Đây là nghiên cứu thu thập dữ liệu tất cả phụ nữ chưa từng có con trước đó đã sinh con trong 3 chu kỳ điều trị ART từ năm 2008 đến năm 2016 tại Thụy Điển.
Trong đó, các đặc điểm trước khi thực hiện ART, chẳng hạn như nhân khẩu học và tiền sử bệnh tật, được coi là những yếu tố dự báo tiềm năng trong quá trình phát triển các mô hình dự đoán trước khi điều trị. Chi tiết về điều trị ART được đưa thêm vào các mô hình dự đoán sau khi điều trị.
 
Các chỉ số kết quả chính bao gồm các chẩn đoán tiềm năng của tiền sản giật, các biến chứng nhau thai (nhau tiền đạo, nhau cài răng lược, và nhau bong non), và băng huyết sau sinh được xác định bằng cách sử dụng Phân loại quốc tế về bệnh tật ghi nhận trong các sổ đăng ký sinh và bệnh nhân tại Thụy Điển. Các thuật toán mô hình dự đoán khác nhau đã được thực hiện và so sánh cho mỗi kết quả và chu kỳ điều trị, bao gồm hồi quy logistic, mô hình cây quyết định, phân loại Naïve Bayes, máy vector hỗ trợ, rừng ngẫu nhiên, và tăng cường độ dốc. Hiệu suất của mỗi mô hình được đánh giá bằng chỉ số C, và xác nhận chéo lồng nhau được sử dụng để hỗ trợ lựa chọn mô hình và điều chỉnh siêu tham số.
 
Các yếu tố trước điều trị bao gồm:

• Nhân khẩu học tại thời điểm điều trị: năm sinh, tuổi, tuổi bạn đời, trình độ học vấn, quốc gia, chỉ số khối cơ thể (BMI), tình trạng cư trú, tôn giáo
• Tiền sử bệnh lý liên quan đến vô sinh: rối loạn phóng noãn, lạc nội mạc tử cung, chẩn đoán vô sinh từ vợ/chồng
• Tiền sử bệnh lý khác: tăng huyết áp mãn tính, đái tháo đường, tim mạch, rối loạn thấp khớp, bệnh tuyến giáp, bệnh đông máu
• Điều trị hormone trước đó: thuốc tránh thai đường uống, gây rụng trứng, kích thích buồng trứng để trữ noãn/phôi
• Phác đồ ART: loại phác đồ, nguồn gốc tinh trùng/noãn, chu kỳ lần 2 và 3 dự định sử dụng phôi tươi/đông lạnh (tất cả lần chuyển đầu tiên đều sử dụng phôi tươi)
• Giai đoạn đầu thai kỳ: thời gian mang thai, hút thuốc, sẩy thai trước đó

 Các yếu tố sau điều trị bao gồm:

• Tổng liều gonadotropin
• Số noãn chọc hút được
• Phương pháp (ICSI hoặc IVF)
• Số phôi sử dụng
• Kỹ thuật đông lạnh phôi

 
Kết quả
Tổng cộng có 14.732 phụ nữ sinh con sau chu kỳ ART đầu tiên (N = 7.302), thứ hai (N = 4.688) hoặc thứ ba (N = 2.742), biểu thị tỷ lệ sinh là 24,1%, 23,8% và 22,0%. Hiệu suất dự đoán chung không thay đổi nhiều giữa các phương pháp khác nhau được sử dụng. Trong chu kỳ đầu tiên, hiệu suất dự đoán trước khi điều trị đạt mức cao nhất là 66%, 66% và 60% đối với tiền sản giật, biến chứng nhau thai và xuất huyết sau sinh. Việc đưa vào các đặc điểm sau khi điều trị ART mang lại sự cải thiện nhẹ (khoảng 1%-5%), cũng như dự đoán trong các chu kỳ sau (khoảng 1%-5%). Các yếu tố dự đoán có ảnh hưởng và nhất quán hàng đầu bao gồm tuổi, khu vực cư trú, chẩn đoán vô sinh và loại chuyển phôi (tươi hoặc đông lạnh) trong các chu kỳ sau (chu kỳ thứ 2 - chu kỳ thứ 3). Chỉ số khối cơ thể (BMI) là yếu tố dự báo hàng đầu của tiền sản giật và cũng có ảnh hưởng đến các biến chứng nhau thai nhưng không ảnh hưởng đến xuất huyết sau sinh.
  
Kết luận
Trong nỗ lực đầu tiên này nhằm dự đoán các biến chứng thai kỳ ở những phụ nữ sinh con sau khi điều trị ART, hiệu suất dự đoán tiền sản giật, biến chứng nhau thai và xuất huyết sau sinh dao động từ 66%–75%. Các yếu tố dự đoán có ảnh hưởng nhất quán nhất là tuổi, BMI, khu vực cư trú, chẩn đoán vô sinh và trong các chu kỳ tiếp theo là chuyển phôi tươi hoặc đông lạnh.
 
Tuy nhiên, việc sử dụng kết hợp thông tin nhân khẩu học, tiền sử bệnh lý và thông tin điều trị ART không đủ để dự đoán một cách chắc chắn các biến chứng thai kỳ nghiêm trọng ở những phụ nữ có thai qua thực hiện ART. Cần có các nghiên cứu trong tương lai để đánh giá xem liệu việc theo dõi dọc bổ sung trong thai kỳ có thể cải thiện dự đoán để cho phép phát triển giao thức lâm sàng hay không.
 
 Nguồn: Wang C, Johansson ALV, Nyberg C, Pareek A, Almqvist C, Hernandez-Diaz S, Oberg AS. Prediction of pregnancy-related complications in women undergoing assisted reproduction, using machine learning methods. Fertil Steril. 2024 Jul;122(1):95-105. doi: 10.1016/j.fertnstert.2024.02.024. Epub 2024 Feb 17. PMID: 38373676.

Từ khóa: kỹ thuật hỗ trợ sinh sản, tiền sản giật, biến chứng thai kỳ, xuất huyết sau sinh, học máy