CNSH. Phan Thanh Chi – IVFMD Tân Bình

Đánh giá và lựa chọn phôi là một bước quan trọng của quy trình thụ tinh trong ống nghiệm (in-vitro fertilization – IVF). Hiện nay, hầu hết các trung tâm IVF đều thực hiện nuôi cấy phôi đến giai đoạn phôi nang ngày 5, 6 hoặc 7, lúc này phôi đã biệt hoá thành hai dòng tế bào là ngoại bì lá nuôi ( trophectoderm - TE) và khối nội phôi bào (inner cell mass - ICM). Tại thời điểm này, xét nghiệm di truyền tiền làm tổ (preimplantation genetic testing – PGT) có thể được thực hiện nhằm mục đích lựa chọn những phôi mang bộ nhiễm sắc thể lưỡng bội cho bệnh nhân. Bên cạnh đó, để tiên lượng tiềm năng phát triển, phôi nang sẽ được đánh giá dựa vào hình thái, cụ thể là độ nở rộng của khoang phôi, chất lượng lớp tế bào ICM và tế bào TE. Tuy nhiên, phương pháp này dường như không tối ưu, do có sự thay đổi giữa những người đánh giá cũng như thứ tự ưu tiên phôi chuyển không rõ ràng. Nhiều nghiên cứu đã phát triển những hệ thống xếp hạng phôi dựa trên thuật toán, trong đó đặc điểm hình thái và kết quả lâm sàng được kết hợp với nhau để đánh giá và xếp loại phôi. Mặc dù cách tiếp cận còn hạn chế, nhưng đã có nhiều kết quả lâm sàng khả quan được báo cáo. Các thuật toán sẽ giúp giảm tính chủ quan của người thực hiện cũng như sự khác biệt về kết quả đánh giá phôi giữa những trung tâm IVF.
 
Gần đây, trí tuệ nhân tạo (Artificial Intelligence - AI) đã được đưa vào lĩnh vực IVF để tự động hóa việc phân loại phôi, đồng thời loại bỏ tính chủ quan của người thực hiện. Dựa vào tập hợp lớn dữ liệu hình ảnh phôi, mô hình thuật toán CNN (convolutional neural network) được xây dựng để tìm hiểu các đặc điểm của phôi dẫn đến kết cục chuyển phôi thành công hoặc thất bại. Việc sử dụng AI trong đánh giá và xếp loại phôi giúp tăng khả năng nhận diện những đặc điểm mà con người không quan sát được. Tuy nhiên, bên cạnh những lợi thế đó vẫn còn tồn tại nhiều nhược điểm của công nghệ AI như bản chất hộp đen (black-box) rất khó giải thích và các dữ liệu ngoài ý muốn có thể được đưa vào trong quá trình xây dựng mô hình. Vì vậy, để có thể áp dụng công nghệ này trong đánh giá phôi, cần các phương pháp luận và nghiên cứu mới để mô tả mô hình chính xác hơn cũng như xác định những lợi ích và hạn chế tiềm ẩn. Bài nghiên cứu này giới thiệu một mô hình mới để xếp loại phôi nang bằng cách sử dụng công nghệ học sâu (deep learning) trong việc dự đoán tỷ lệ mang thai lâm sàng. Ngoài ra, nghiên cứu còn nêu bật những hạn chế tiềm ẩn về chất lượng hình ảnh, độ lệch và độ chi tiết của điểm số, từ đó góp phần cung cấp thông tin cho việc thiết kế các nghiên cứu xác nhận lâm sàng với quy mô lớn trong tương lai.
 
Đây là hồi cứu sử dụng dữ liệu từ 11 phòng khám IVF khác nhau trên khắp Hoa Kỳ. Hình ảnh và các thông tin trong chu kì chọc hút của bệnh nhân được thu thập từ năm 2015 đến năm 2020. Hình ảnh phôi nang ngày 5, 6 hoặc 7 sẽ được chụp trước khi chuyển phôi, sinh thiết và trữ phôi. Tổng số 5.923 phôi nang từ các chu kì chuyển đơn phôi tươi, phôi trữ và chuyển phôi trữ nguyên bội có kết quả thai lâm sàng xác định bằng nhịp tim thai ở tuần thứ 6-8 đã được ghi nhận. Ngoài ra, có thêm 2.614 phôi nang có kết quả PGT lệch bội không được chuyển. Kết cục chính của mô hình là khả năng dự đoán tỷ lệ có thai lâm sàng của phôi nang khi so sánh với phân loại hình thái thủ công, những cải thiện về việc dự báo tỷ lệ mang thai, phân tích những đặc tính mô hình AI xếp hạng phôi loại tốt, điều này liên quan đến độ nhạy mặt phẳng tiêu điểm, bằng chứng cho thấy AI đang tập trung vào các đặc điểm phôi thai có liên quan và phân tích điểm số AI liên quan đến tỷ lệ mang thai lâm sàng được quan sát.
 
Kết quả nghiên cứu cho thấy, diện tích dưới đường cong (AUC) của mô hình AI dao động từ 0,6 đến 0,7 và vượt trội hơn so với việc phân loại hình thái thủ công về tổng thể cũng như trên cơ sở từng mặt. Tỷ lệ thai được cải thiện từ 5% đến 12% khi sử dụng AI so với phân loại thủ công bằng kính hiển vi đảo ngược. Những hình ảnh được chụp bằng kính hiển vi soi nổi có độ phóng đại thấp không có sự cải thiện về tỷ lệ thai khi sử dụng AI. Các kỹ thuật trực quan hóa và thuật toán phân bổ cho thấy rằng các tính năng mà mô hình AI được huấn luyện phần lớn trùng lặp với các đặc trưng của hệ thống chấm điểm thủ công. Ngoài ra, loại kính hiển vi và sự xuất hiện của kim giữ phôi được xác định là hai nguồn gây nhiễu kết quả và đã bị loại bỏ. Phân tích điểm số AI liên quan đến tỷ lệ mang thai cho thấy sự khác biệt về điểm số ≥ 0,1 (10%) tương ứng với tỷ lệ mang thai được cải thiện, trong khi sự khác biệt về điểm số < 0,1 có thể không có ý nghĩa về mặt lâm sàng.
 
Tóm lại, nghiên cứu này chứng minh tiềm năng của AI trong việc xếp hạng các phôi giai đoạn phôi nang và làm nổi bật những hạn chế tiềm ẩn liên quan đến chất lượng hình ảnh, độ lệch và độ chi tiết của điểm số. Trong tương lai cần tiếp tục tăng quy mô, tính đa dạng của tập dữ liệu đào tạo và thực hiện các nghiên cứu xác nhận để làm rõ kết quả thai lâm sàng được cải thiện khi sử dụng AI.
 
Nguồn: Loewke K, Cho JH, Brumar CD, Maeder-York P, Barash O, Malmsten JE, Zaninovic N, Sakkas D, Miller KA, Levy M, VerMilyea MD. Characterization of an artificial intelligence model for ranking static images of blastocyst stage embryos. Fertil Steril. 2022 Jan 5:S0015-0282(21)02223-8. doi: 10.1016/j.fertnstert.2021.11.022.

Từ khóa: Đặc điểm của mô hình trí tuệ nhân tạo xếp loại phôi nang thông qua hình ảnh tĩnh