Hội Nội tiết sinh sản và Vô sinh TPHCM
HOSREM - Ho Chi Minh City Society for Reproductive Medicine

Tin chuyên ngành
on Sunday 06-07-2025 1:00pm
Viết bởi: ngoc

CN. Liên Mỹ Dinh – IVFMD SIH Bệnh viện Phụ sản Quốc tế Sài Gòn

ĐẶT VẤN ĐỀ
Trong lĩnh vực hỗ trợ sinh sản (HTSS), việc lựa chọn phôi có tiềm năng làm tổ cao nhất là yếu tố then chốt quyết định thành công của chu kỳ thụ tinh trong ống nghiệm (IVF). Mặc dù đánh giá hình thái phôi vẫn là tiêu chuẩn vàng, phương pháp này còn mang tính chủ quan và chưa đủ để giải quyết vấn đề bất thường nhiễm sắc thể (NST) (lệch bội) – nguyên nhân chính gây thất bại làm tổ và sảy thai. Xét nghiệm di truyền tiền làm tổ phát hiện thể lệch bội (Preimplantation Genetic Testing for Aneuploidy – PGT-A) truyền thống, dù hiệu quả trong sàng lọc lệch bội, lại có tính xâm lấn và tiềm ẩn rủi ro cho phôi.
Trước những hạn chế này, các nhà khoa học đang tập trung phát triển các phương pháp lựa chọn phôi không xâm lấn. Trong đó, ba công nghệ được xem là triển vọng nhất bao gồm: Trí tuệ nhân tạo (Artificial Inteligence - AI), PGT-A không xâm lấn (noninvasive PGT-A) và Nghiên cứu hồ sơ các chất chuyển hoá (Metabolomics). Bài viết này sẽ phân tích nguyên lý hoạt động, kết quả lâm sàng, ưu điểm, hạn chế và những thách thức còn tồn tại của từng phương pháp, đồng thời thảo luận về tiềm năng tích hợp chúng để tối ưu hóa kết quả IVF.
1. NHU CẦU SÀNG LỌC PHÔI NGUYÊN BỘI KHÔNG XÂM LẤN
Lựa chọn phôi là một trong những bước quan trọng nhất trong quy trình IVF. Hiện tại, việc đánh giá, phân loại và lựa chọn phôi chủ yếu dựa trên hình thái, được thực hiện bằng cách quan sát sự phát triển phôi dưới kính hiển vi hoặc thông qua công nghệ hình ảnh time-lapse. Mặc dù phương pháp này đã góp phần cải thiện tỷ lệ thai, tuy nhiên tỷ lệ sinh sống trên mỗi lần chuyển phôi vẫn còn tương đối thấp, chỉ khoảng 30,8% đối với phụ nữ 35-37 tuổi và khoảng 50% tổng thể. Hơn nữa, đánh giá hình thái thường mang tính chủ quan và khó tái lập giữa các chuyên viên phôi học (CVPH), dẫn đến sự biến động trong kết quả lựa chọn phôi [1].  
Để giải quyết tỷ lệ thất bại cao liên quan đến bất thường NST (lệch bội), vốn là nguyên nhân hàng đầu gây ra kết cục sinh sản kém như thất bại làm tổ nhiều lần hoặc sảy thai liên tiếp, xét nghiệm di truyền tiền làm tổ phát hiện thể lệch bội (PGT-A) đã được áp dụng rộng rãi. Tại Hoa Kỳ, PGT-A được sử dụng trong gần 60% tổng số chu kỳ IVF. PGT-A truyền thống thường bao gồm việc sinh thiết tế bào lá nuôi phôi (Trophectoderm – TE) từ phôi nang để lấy vật liệu di truyền phân tích [2].  
Tuy nhiên, PGT-A truyền thống có những nhược điểm đáng kể. Thứ nhất, đây là một quy trình xâm lấn, đòi hỏi loại bỏ một số tế bào từ phôi, điều này có thể cản trở tiềm năng phát triển của phôi. Thứ hai, PGT-A có thể bị ảnh hưởng bởi hiện tượng khảm NST, tức là sự hiện diện của cả tế bào nguyên bội và lệch bội trong cùng một phôi, dẫn đến kết quả chẩn đoán không chắc chắn hoặc sai lệch. Ngoài ra, quy trình sinh thiết và phân tích di truyền là tốn kém, đòi hỏi nhân sự có kỹ năng cao và đầu tư đáng kể vào thiết bị [2]. Những thách thức này đã tạo ra một nhu cầu cấp thiết trong y học sinh sản để tìm kiếm các giải pháp thay thế không xâm lấn, hiệu quả hơn, nhằm tối ưu hóa kết quả điều trị đồng thời giảm thiểu rủi ro và gánh nặng cho bệnh nhân.  
2. CÁC KĨ THUẬT TRIỂN VỌNG HIỆN NAY

2.1. Trí tuệ nhân tạo

Trí tuệ nhân tạo (AI) đã có những bước tiến đáng kể trong lĩnh vực HTSS, đặc biệt là trong việc đánh giá và lựa chọn phôi. Sự phát triển của AI trong lĩnh vực này được thúc đẩy bởi công nghệ camera theo dõi phôi liên tục (timelapse imagine – TLI), cho phép thu thập một lượng lớn dữ liệu hình ảnh về sự phát triển của phôi theo thời gian [3].
Nguyên lý và Cơ chế Hoạt động
Ban đầu, các hệ thống AI yêu cầu CVPH nhập thủ công các mốc động học phôi, như thời gian xuất hiện và biến mất của tiền nhân, thời gian phôi đạt đến các giai đoạn phân chia 2, 3, 4, 5 và 8 tế bào. Các thuật toán sau đó sẽ phân tích các dữ liệu này để tính toán khả năng phôi phát triển thành phôi nang. Tuy nhiên, sự ra đời của các phương pháp học sâu (deep learning) tiên tiến hơn đã thay đổi trọng tâm sang phân tích tự động. Các mô hình học sâu này có khả năng phân tích hình ảnh phôi được cung cấp, tự động lựa chọn các đặc điểm và phân tích ở cấp độ pixel mà không cần sự can thiệp của CVPH. Điều này giúp giảm thiểu tính chủ quan và tăng cường tính nhất quán trong đánh giá.
Các mô hình AI hiện nay được huấn luyện để thực hiện nhiều tác vụ quan trọng, bao gồm chấm điểm chất lượng phôi, dự đoán khả năng hình thành phôi nang, đánh giá trạng thái lệch bội, và dự đoán kết cục thai kỳ như thai lâm sàng và sinh sống. Một ưu điểm nổi bật của AI là khả năng xử lý lượng lớn dữ liệu hình ảnh một cách nhanh chóng và hiệu quả. Các hệ thống AI có thể sử dụng cả hình ảnh tĩnh hoặc video TLI làm dữ liệu đầu vào [3].

Các thuật toán AI và kết quả lâm sàng

Nhiều hệ thống AI đã được phát triển để dự đoán thể lệch bội của phôi và các kết cục liên quan [3]:

  • ERICA (Embryo Ranking Intelligent Classification Algorithm): Hệ thống này sử dụng hình ảnh tĩnh và đã được báo cáo có độ chính xác 70% trong việc dự đoán thể lệch bội của phôi.

  • Thuật toán EMA: Sử dụng video timelapse từ Embryoscope làm đầu vào, thuật toán này cho thấy hiệu quả tương tự như các AI được phát triển bằng hình ảnh tĩnh, với độ chính xác 70%.

  • STORK-A: Hệ thống này sử dụng các hình ảnh tĩnh đơn lẻ từ hệ thống Embryoscope tại thời điểm 110 giờ sau ICSI, kết hợp với tuổi mẹ và các thông số động học hình thái được xác định thủ công. STORK-A đã cho thấy khả năng tổng quát hóa tốt trên các bộ dữ liệu kiểm thử độc lập, với độ chính xác dao động từ 63-68%.

Các nghiên cứu gần đây cũng đã cung cấp bằng chứng về cách AI dự đoán thể lệch bội thông qua hình thái. Nghiên cứu của Bamford (2023) cho thấy khả năng nguyên bội của phôi tăng lên có liên quan đến độ nở rộng khoang phôi và hình thái tế bào lá nuôi phôi [4]. Một nghiên cứu khác của Bamford (2024) đã liên kết việc dự đoán thể lệch bội của phôi bằng động học hình thái với tỷ lệ thai lưu và tỷ lệ sinh sống, kết luận rằng chúng có mối liên quan đáng kể. Nhóm nghiên cứu này đã xây dựng mô hình "PREFER" để dự đoán bội thể của phôi, cho thấy các thuật toán động học hình thái giúp ưu tiên các phôi nguyên bội tốt hơn so với đánh giá chủ quan của CVPH. Tuy nhiên, việc sử dụng PREFER vẫn cần nhiều sự phát triển hơn để đạt được khả năng dự đoán lệch bội 100% [5].
Nghiên cứu của Xin (2024) cho thấy độ nhạy của AI là 0,71 và độ đặc hiệu là 0,75 trong việc dự đoán phôi nguyên bội, dựa trên phân tích tổng số 6879 phôi (3769 lệch bội, 3110 nguyên bội). Nghiên cứu này kết luận rằng các thuật toán AI có hiệu quả khá hứa hẹn trong khả năng phát hiện phôi lệch bội, nhưng vẫn chưa đạt được mức độ như PGT-A [6].
Các công cụ AI như icONE và ERICA đã được ghi nhận là vượt trội hơn các phương pháp truyền thống trong việc lựa chọn phôi, giúp giảm tính chủ quan trong quá trình đánh giá. Một mạng nơ-ron tích chập sâu (Convolutional Neural Network - CNN) được huấn luyện trên hình ảnh tĩnh của phôi (tại 113 giờ sau ICSI) đã đạt độ chính xác 90% trong việc chọn phôi chất lượng cao nhất. Đáng chú ý, CNN này còn vượt trội hơn 15 CVPH được đào tạo từ 5 trung tâm IVF khác nhau trong việc đánh giá trực tiếp tiềm năng làm tổ của 97 phôi nguyên bội (đạt độ chính xác 75,26% so với 67,35% của CVPH [7]. Điều này cho thấy AI có thế mạnh rõ rệt trong phân tích hình thái và động học để dự đoán kết cục thai kỳ, nhưng vẫn còn hạn chế trong việc xác định chính xác trạng thái di truyền (bội thể) so với PGT-A dựa trên DNA.
Ngoài ra, sự tồn tại của các "nhãn mơ hồ" (ambiguous labels) đối với các trường hợp thất bại làm tổ, khi nguyên nhân có thể là do các yếu tố lâm sàng khác chứ không phải từ phôi cũng là một thách thức lớn [8]. Để AI thực sự hữu ích trong việc lựa chọn phôi, nó cần phải được tinh chỉnh để tập trung vào các đặc điểm nội tại của phôi, tách biệt khỏi các yếu tố bên ngoài. Đây là một thách thức phức tạp trong phát triển thuật toán.

2.2 PGT-A không xâm lấn từ DNA tự do (cell-free DNA – cfDNA)

Nguồn gốc và cơ chế giải phóng cfDNA từ phôi

PGT-A không xâm lấn là một phương pháp đầy hứa hẹn trong việc đánh giá di truyền phôi mà không cần sinh thiết trực tiếp. NiPGT-A dựa trên việc phân tích cfDNA được giải phóng từ phôi vào môi trường nuôi cấy. CfDNA từ phôi lần đầu tiên được phát hiện trong dịch khoang phôi nang (Blastocoel Fluid – BF) vào năm 2013, đến năm 2016, các nghiên cứu cũng đã phát hiện cfDNA này trong mẫu môi trường nuôi cấy dài ngày (Spent Culture Media – SCM) [3].
Lượng DNA thu được từ BF và SCM thường dao động từ 3-36 ng/uL, thấp hơn đáng kể so với lượng DNA thu được từ sinh thiết TE (25-46 ng/uL). Đáng chú ý, nhiều DNA hơn đã được phát hiện trong SCM của phôi đông lạnh và rã đông so với SCM của phôi tươi, được cho là do một số tế bào bị ly giải trong quá trình rã đông [3].
Nguồn gốc của các cfDNA này được cho là đa yếu tố và vẫn chưa được xác định đầy đủ. Các giả thuyết chính bao gồm [9]:

  • Quá trình Apoptosis: Một trong những cơ chế được nghiên cứu kỹ lưỡng nhất là quá trình chết tế bào theo chương trình (apoptosis). Phôi có khả năng tự điều chỉnh, loại bỏ các tế bào lệch bội thông qua apoptosis. Quá trình apoptosis tự nhiên có kiểm soát của phôi bào cũng có thể góp phần giải phóng cfDNA vào môi trường.

  • Túi ngoại bào (Extracellular Vesicles – EVs): Các nghiên cứu gần đây cho thấy phôi có thể chủ động giải phóng các túi ngoại bào (EVs) vào môi trường nuôi cấy. Các EVs này mang theo nhiều loại phân tử điều hòa, bao gồm protein, lipid, axit nucleic và microRNA, và được cho là một cơ chế quan trọng cho việc giải phóng cfDNA có nguồn gốc từ phôi vào SCM.

  • Nguồn ngoại lai: Ngoài DNA có nguồn gốc từ phôi, cfDNA trong SCM cũng có thể đến từ các nguồn ngoại lai khác như DNA mẹ từ tế bào cumulus hoặc thể cực (polar bodies) và DNA từ chính môi trường nuôi cấy chưa sử dụng.

Thách thức về nhiễm DNA ngoại lai và các chiến lược giảm thiểu

Mối lo ngại lớn nhất khi sử dụng mẫu cfDNA từ môi trường nuôi cấy dài ngày là việc nhiễm DNA ngoại lai không phải đến từ phôi. Sau khi phân tích mẫu từ SCM người ta đã phân biệt được DNA của TE, ICM, thể cực và tế bào cumulus, xác định rằng khoảng 50% mẫu bị nhiễm DNA từ tế bào cumulus và 28% bị nhiễm DNA từ thể cực [10].
Sự nhiễm DNA ngoại lai này ảnh hưởng nghiêm trọng đến độ tin cậy của niPGT-A. Sự phù hợp karyotype giữa SCM và TE giảm đáng kể khi mức độ nhiễm DNA ngoại lai càng nhiều (47% ở mẫu nhiễm so với 74% ở mẫu không nhiễm) [10]. Điều này dẫn đến nguy cơ cao về kết quả sai lệch (dương tính giả hoặc âm tính giả) và loại bỏ nhầm phôi nguyên bội tiềm năng. Nghiên cứu của Hanson (2021) đã cho thấy chỉ 60% kết quả niPGT từ SCM trùng khớp với sinh thiết TE, và 13% phôi nguyên bội có khả năng sẽ bị loại bỏ nếu chỉ áp dụng riêng niPGT-A [11].
Để khắc phục vấn đề nhiễm DNA và tăng lượng cfDNA phôi trong SCM, một số chiến lược đã được nghiên cứu:

  • Thu nhận cfDNA từ dịch khoang phôi (BF): Đây là một phương pháp xâm lấn tối thiểu. Tuy nhiên, việc so sánh NST của BF với toàn bộ phôi cần nhiều nghiên cứu thêm và không thể đạt 100% do nguồn gốc apoptosis. BF vẫn có thể được sử dụng như một dấu ấn sinh học lâm sàng cho khả năng của phôi và lựa chọn phôi để chuyển, từ đó cải thiện tỷ lệ làm tổ. Tuy nhiên, nhiều nghiên cứu đã chỉ ra sự không chắc chắn về giá trị chẩn đoán của BF và nguy cơ nhiễm từ DNA ty thể và DNA mẹ, thêm vào đó là bản chất bán xâm lấn của việc sinh thiết khoang phôi [12].

  • Nuôi cấy phôi đến Ngày 6: Phôi ngày 6 tạo ra nhiều DNA hơn trong SCM, do đó có sự phù hợp karyotype với TE cao hơn [3].

  • Đông lạnh và rã đông phôi: Có thể tăng lượng DNA trong SCM do một số tế bào bị ly giải trong quá trình rã đông [3].

  • Phương pháp tính toán dựa trên mức độ methyl hóa DNA: Một phương pháp mới đầy hứa hẹn là thuật toán tính toán để loại bỏ DNA nhiễm từ môi trường nuôi cấy phôi đã sử dụng. Phương pháp này dựa trên hiện tượng mức độ methyl hóa DNA của phôi đạt mức tối thiểu ở giai đoạn phôi nang. Bằng cách chọn các đọc (reads) ít methyl hóa, phương pháp này đã làm giàu DNA phôi nang so với DNA từ tế bào cumulus (yếu tố làm giàu 4 lần), thể cực (1,2 lần) và tinh trùng (2,5 lần). Phương pháp này đã cho thấy khả năng giảm đáng kể tỷ lệ âm tính giả ngay cả khi có tới 75% nhiễm tế bào cumulus và cải thiện độ nhạy phát hiện lệch bội với 50% nhiễm tế bào cumulus trong các mẫu lâm sàng thực tế [13].

Hiệu quả và kết cục lâm sàng của niPGT-A

Các nghiên cứu ban đầu đối chiếu niPGT-A với PGT-A xâm lấn thông thường đã cho thấy kết quả tích cực, với sự phù hợp tối đa lên đến 100% giữa niPGT-A và PGT-A. Tuy nhiên, các nghiên cứu này thường có hạn chế về cỡ mẫu nhỏ hoặc chỉ được thực hiện tại một trung tâm duy nhất. Điều này làm giảm khả năng khái quát hóa của kết quả và đặt ra câu hỏi về độ tin cậy khi áp dụng rộng rãi [3].
Một nghiên cứu gần đây của Sun (2024) đã so sánh ba nhóm: (1) niPGT-A, (2) PGT-A, và (3) nhóm đối chứng. Nghiên cứu trên tổng cộng hơn 400 phôi, cho thấy tỷ lệ sinh sống tích lũy lần lượt là 44,9%, 51% và 27.,9%. Cả hai nhóm PGT đều cho kết quả tốt hơn đáng kể so với nhánh đối chứng, và nghiên cứu này đã kết luận rằng, ở phụ nữ 35-40 tuổi, phôi nguyên bội có thể được lựa chọn hiệu quả bằng niPGT-A hoặc PGT-A. Mặc dù nghiên cứu này cho thấy niPGT-A có tỷ lệ sinh sống tích lũy tương đương PGT-A xâm lấn ở nhóm tuổi nhất định, các hướng dẫn và đánh giá khác vẫn khẳng định niPGT-A đang trong giai đoạn nghiên cứu và chưa đủ độ chính xác cho ứng dụng lâm sàng rộng rãi [14].
Tất cả các nghiên cứu được đề cập đều thực hiện sinh thiết TE để so sánh kết quả với SCM và xác định sự phù hợp. Tuy nhiên, chúng không xác định liệu niPGT có thể cải thiện tỷ lệ mang thai hoặc sinh sống với cùng tỷ lệ như PGT-A sinh thiết TE hay không, đặc biệt khi không có bất kỳ tổn thương tiềm tàng nào từ việc sinh thiết. Với những nhược điểm của niPGT-A kể trên, việc nghiên cứu thêm về quy trình nhằm giảm thiểu DNA ngoại lai và tăng lượng cfDNA phôi trong SCM là cần thiết [3].

TLTK:

  1. Halsband, Aurélie. (2024). Embryo selection, AI and reproductive choice. AI and Ethics. 5. 3115-3127. 10.1007/s43681-024-00651-y.

  2. Kasaven LS, Marcus D, Theodorou E, Jones BP, Saso S, Naja R, Serhal P, Ben-Nagi J. Systematic review and meta-analysis: does pre-implantation genetic testing for aneuploidy at the blastocyst stage improve live birth rate? J Assist Reprod Genet. 2023 Oct;40(10):2297-2316. doi: 10.1007/s10815-023-02866-0. Epub 2023 Jul 22. PMID: 37479946; PMCID: PMC10504192.

  3. Munné, S., Almansa, J. A. H., Seth-Smith, M. L., Perugini, M., & Griffin, D. K. (2025). Non-invasive selection for euploid embryos: prospects and pitfalls of the three most promising approaches. Reproductive BioMedicine Online, 105077.

  4. Bamford, T., Smith, R., Easter, C., Dhillon-Smith, R., Barrie, A., Montgomery, S., Campbell, A., & Coomarasamy, A. (2023). Association between a morphokinetic ploidy prediction model risk score and miscarriage and live birth: a multicentre cohort study. Fertility and Sterility, 120(4), 834–843.

  5. Bamford, T., Smith, R., Young, S., Evans, A., Lockwood, M., Easter, C., Montgomery, S., Barrie, A., Dhillon-Smith, R., Coomarasamy, A., & Campbell, A. (2024). A comparison of morphokinetic models and morphological selection for prioritizing euploid embryos: a multicentre cohort study. Human Reproduction, 39(1), 53–61.

  6. Xin, X., Wu, S., Xu, H., Ma, Y., Bao, N., Gao, M., Han, X., Gao, S., Zhang, S., Zhao, X., Qi, J., Zhang, X., & Tan, J. (2024). Non-invasive prediction of human embryonic ploidy using artificial intelligence: a systematic review and meta-analysis. EClinicalMedicine, 77, 102897.

  7. Charles L Bormann, Manoj Kumar Kanakasabapathy, Prudhvi Thirumalaraju, Raghav Gupta, Rohan Pooniwala, Hemanth Kandula, Eduardo Hariton, Irene Souter, Irene Dimitriadis, Leslie B Ramirez, Carol L Curchoe, Jason Swain, Lynn M Boehnlein, Hadi Shafiee (2020). Performance of a deep learning based neural network in the selection of human blastocysts for implantation. eLife 9:e55301

  8. Itay Erlich, Assaf Ben-Meir, Iris Har-Vardi, James A. Grifo, Assaf Zaritsky. Solving the “right” problems for effective machine learning driven in vitro fertilization. medRxiv 2021.10.07.21264503; doi: https://doi.org/10.1101/2021.10.07.21264503

  9. Handayani, N., Aubry, D., Boediono, A., Wiweko, B., Sirait, B., Sini, I., Polim, A. A., Dwiranti, A., & Bowolaksono, A. (2023). The origin and possible mechanism of embryonic cell-free DNA release in spent embryo culture media: a review. Journal of Assisted Reproduction and Genetics, 40(6), 1231–1242. https://doi.org/10.1007/s10815-023-02813-z

  10. Leaver M, Wells D. Non-invasive preimplantation genetic testing (niPGT): the next revolution in reproductive genetics? Hum Reprod Update. 2020 Jan 1;26(1):16-42. doi: 10.1093/humupd/dmz033. PMID: 31774124.

  11. 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.

  12. Campos, G., & Nel-Themaat, L. (2024). Blastocoel fluid as an alternative source of DNA for minimally invasive PGT and biomarker of embryo competence. Reproductive BioMedicine Online, 49(4), 104322.

  13. Chen Y, Huang J, Tang F, Wen L, Qiao J. A computational DNA methylation method to remove contaminated DNA from spent embryo culture medium for noninvasive preimplantation genetic testing. EBioMedicine. 2025 Apr;114:105669. doi: 10.1016/j.ebiom.2025.105669. Epub 2025 Mar 29. PMID: 40158389; PMCID: PMC11994334.

  14. Sun, Q., Xu, J., Yao, Y., Huang, X., Zhao, D., Lu, S., Yao, B., & Chen, L. (2024). Efficacy of non-invasive chromosome screening, preimplantation genetic testing for aneuploidy, and morphological grading in selecting embryos of patients with advanced maternal age: a three-armed prospective cohort study. BMC Pregnancy and Childbirth, 24(1), 545.


Từ khóa:
Các tin khác cùng chuyên mục:
TIN CẬP NHẬT
TIN CHUYÊN NGÀNH
LỊCH HỘI NGHỊ MỚI
Năm 2020

Tiền Hội nghị: Trung tâm Hội nghị Grand Saigon, thứ bảy ngày ...

Năm 2020
Năm 2020

Vinpearl Landmark 81, ngày 9-10 tháng 8 năm 2025

GIỚI THIỆU SÁCH MỚI

Kính mời quý đồng nghiệp quan tâm đến hỗ trợ sinh sản tham ...

Y học sinh sản số 73 (Quý I . 2025) ra mắt ngày 20 . 3 . 2025 và ...

Sách ra mắt ngày 6 . 1 . 2025 và gửi đến quý hội viên trước ...

Hội viên liên kết Bạch kim 2024
Hội viên liên kết Vàng 2024
Hội viên liên kết Bạc 2024
FACEBOOK