CNSH. Nguyễn Thị Vân Anh – IVF Vạn Hạnh

Hệ thống đánh giá phôi nang của Gardner và cộng sự (1999) đưa ra các tiêu chí lựa chọn phôi chuyển dựa trên mức độ nở rộng của phôi nang, hình thái khối tế bào bên trong (ICM) và lớp tế bào lá nuôi phôi (TE) được sử dụng rộng rãi trên thế giới. Nghiên cứu trước đây của tác giả ghi nhận tốc độ phát triển của phôi và tuổi của mẹ có thể dự đoán kết quả mang thai. Đồng thời, sự ra đời của hệ thống nuôi cấy phôi kết hợp với camera quan sát liên tục (Time-lapse monitoring – TLM) ghi nhận động học hình thái phôi giúp cải thiện việc lựa chọn phôi và kết quả mang thai. Tuy nhiên, phương pháp đánh giá tiềm năng của phôi thông qua hình thái mang tính chủ quan của người thực hiện. Do đó, cần một hệ thống phân loại phôi nang khách quan hơn.
 
Hiện nay, công nghệ trí tuệ nhân tạo (Artificial intelligence – AI) đã được ứng dụng trong y tế giúp đưa ra các dự đoán lâm sàng khách quan và hỗ trợ đưa ra quyết định điều trị vô sinh – hiếm muộn. Các nghiên cứu về AI trong việc đánh giá noãn, lựa chọn và đánh giá tinh trùng, dự đoán phôi đa bội và lựa chọn phôi chuyển đã được công bố. Dựa trên dữ liệu nghiên cứu trên, nhiều mô hình tính điểm phát triển từ AI đã được ứng dụng ở các trung tâm thụ tinh trong ống nghiệm (IVF). Trong đó, mô hình iDAScore v1.0 (Vitrolife, Thụy Điển) được phát triển dựa trên mô hình học sâu (deep learning) IVY. Mô hình iDAScore với nguồn dữ liệu lớn từ 18 trung tâm vô sinh trên thế giới và được tích hợp vào hệ thống EmbryoScope (Vitrolife). Tuy nhiên, iDAScore vẫn chưa được xác nhận trong một nghiên cứu thuần tập đơn trung tâm lớn với bộ dữ liệu độc lập. Do đó, hiệu suất của iDAScore nên được đánh giá bằng cách so sánh mô hình hiện có dựa trên cơ sở hình thái và động học hình thái phôi.
 
Trong nghiên cứu này (2021), nhóm tác giả đánh giá khả năng tiên lượng thai ở các nhóm tuổi khác nhau sau khi chuyển đơn phôi nang trữ - rã (Single vitrified-warmed blastocyst transfer – SVBT). Kết quả được so sánh bởi diện tích dưới đường cong (Area under the curve – AUC) từ phân tích đường cong ROC (Receiver operating characteristic - ROC) của ba mô hình đánh giá phôi: Chấm điểm tự động (iDAScore v1. 0), chấm điểm phôi dựa vào chú thích hình thái (KIDScore^TM D5 v3 – Vitrolife) và đánh giá phôi truyền thống thông qua hình thái (Gardner).
 
Nghiên cứu hồi cứu trên 3.018 chu kỳ SVBT của bệnh nhân từ tháng 1 năm 2019 đến tháng 5 năm 2020. Các chu kỳ có xét nghiệm di truyền tiền làm tổ (PGT) được loại ra khỏi nghiên cứu. Chất lượng phôi được đánh giá bằng các tiêu chí iDAScore, KIDScore và Gardner. Các chu kỳ được phân tầng thành 5 nhóm theo tuổi của mẹ. Phôi được nuôi cấy trong EmbryoScope + và EmbryoScopeFlex (Vitrolife).
 
Kết quả về đặc điểm lâm sàng ghi nhận sự khác biệt ở từng nhóm tuổi về số lần chọc hút, chuyển phôi và sẩy thai (p < 0,05). Đặc điểm phôi ở từng nhóm tuổi càng tăng cho thấy thời gian biến mất của hai tiền nhân, thời gian phân chia thành hai, ba và bốn phôi bào nhanh hơn đáng kể so với nhóm có tuổi mẹ trẻ hơn (p<0,05).
 
Kết quả nghiên cứu chính:

• So sánh AUC giữa ba mô hình dự đoán mang thai: AUC của các tiêu chí iDAScore, KIDScore và Gardner trong tất cả các độ tuổi lần lượt là 0,700, 0,688 và 0,671. Điểm AUC của tiêu chí iDAScore và KIDScore lớn hơn đáng kể so với của tiêu chí Gardner (p < 0,05). Ngoài ra, không có sự khác biệt giữa iDAScore và KIDScore (p > 0,05).
• So sánh AUC giữa ba mô hình dự đoán mang thai cho từng nhóm tuổi: Đối với nhóm < 35 tuổi (n = 389), iDAScore lớn hơn đáng kể (p < 0,05) so với hai mô hình còn lại (0,72 so với 0,66 và 0,64). Các nhóm 35 – 37  tuổi (n = 514), 35 – 37  tuổi (n = 514), 38 – 40  tuổi (n = 796), 41 – 42  tuổi (n = 636) và nhóm > 42 tuổi (n=389) cho thấy AUC không có sự khác biệt giữa ba mô hình (p > 0,05).

 
Do đó, iDAScore cho AUC cao nhất hoặc bằng AUC cao nhất cho tất cả các nhóm tuổi, khác biệt đáng kể ghi nhận được ở nhóm tuổi trẻ nhất.
 
Tóm lại, đánh giá phôi bằng mô hình tự động iDAScore cho kết quả tốt hoặc thậm chí là tốt hơn các công cụ xếp loại phụ thuộc vào chú thích hoặc đánh giá truyền thống. Bên cạnh đó, iDAScore không yêu cầu các bước chú thích thủ công bị ảnh hưởng bởi người dùng nên cho phép đánh giá phôi một cách khách quan hơn. Do đó, iDAScore là một phương pháp tối ưu để chấm điểm phôi và ưu tiên phôi chuyển mà không làm ảnh hưởng đến kết quả lâm sàng.
 
Nguồn: Ueno, S., Berntsen, J., Ito, M., và cộng sự (2021). Pregnancy prediction performance of an annotation-free embryo scoring system on the basis of deep learning after single vitrified-warmed blastocyst transfer: a single-center large cohort retrospective study. Fertility and Sterility,. 116(4): p. 1172-118

Từ khóa: Trí tuệ nhân tạo, học sâu, đánh giá khách quan, dự đoán mang thai, chuyển đơn phôi nang trữ - rã