Baru-baru ini diterbitkan di Nature Communications, studi ini menyajikan Algoritma Pembelajaran Evaluasi Blastocyst (BELA). Model pembelajaran mendalam yang canggih ini mengevaluasi kualitas embrio dan kesehatan kromosom menggunakan data pencitraan selang waktu dan usia ibu.
Dengan menawarkan suplemen non-invasif dan hemat biaya untuk pengujian genetik standar yang dikenal sebagai pengujian genetik praimplantasi untuk aneuploidi (PGT-A), BELA dapat merampingkan pemilihan embrio dan mengurangi biaya untuk keluarga.
"Ini adalah metode yang sepenuhnya otomatis dan lebih objektif dibandingkan dengan pendekatan sebelumnya, dan jumlah data pencitraan time-lapse yang lebih besar yang digunakannya dapat menghasilkan kekuatan prediktif yang lebih besar," kata penulis senior studi Dr. Iman Hajirasouliha, seorang profesor di Weill Cornell Medicine.
Sejak diperkenalkan pada tahun 1978, IVF telah bertanggung jawab atas lebih dari 8 juta kelahiran yang sukses, memberikan solusi bagi individu dan pasangan yang menghadapi infertilitas di seluruh dunia.
Seleksi embrio adalah langkah penting dalam proses tersebut, yang secara signifikan memengaruhi tingkat keberhasilan kehamilan. Metode tradisional, seperti PGT-A, memerlukan ekstraksi sel untuk analisis kromosom, yang bisa mahal dan berisiko bagi kelangsungan hidup embrio.
Para peneliti mengembangkan BELA, yang mengotomatiskan proses evaluasi embrio. Dengan menganalisis data pencitraan selang waktu yang dikumpulkan selama lima hari perkembangan, dikombinasikan dengan usia ibu, model bertenaga AI memprediksi kesehatan kromosom embrio dan memeringkatnya berdasarkan kualitas. Waktu dan kecepatan adalah indikator penting dari kelangsungan hidup embrio dan merupakan inti dari analisis model.
BELA dilatih pada kluster komputasi BioHPC berkinerja tinggi Cornell menggunakan GPU NVIDIA A40dan kumpulan data yang beragam dari lebih dari 2.800 urutan selang waktu embrio, menangkap tahapan sel yang sedang berkembang.
Infrastruktur memungkinkan pemrosesan data yang efisien, rata-rata hanya 5,23 menit untuk pelatihan dan memakan waktu sekitar 30 detik per prediksi embrio.
Untuk membuat model dapat digunakan dalam pengaturan klinis, tim juga mengembangkan STORK-V, platform berbasis web yang didukung oleh BELA. Embroloyigsts mengunggah data pencitraan selang waktu dan mendapatkan kualitas embrio dan prediksi kesehatan kromosom secara real-time.
BELA mengungguli model berbasis AI saat ini, mencapai AUC (ukuran akurasi model) 0,82 ketika membedakan embrio normal dari abnormal. Ini juga memberikan prediksi otomatis yang andal yang cocok atau melampaui akurasi metode tradisional yang melibatkan evaluasi manual oleh ahli embriologi.
Meskipun para peneliti tidak bertujuan untuk menggantikan PGT-A, BELA dapat membantu merampingkan alur kerja IVF. Ini menyaring embrio, membantu ahli embriologi untuk memutuskan mana yang akan dianalisis lebih lanjut. Ini mengurangi biaya dan memastikan bahwa embrio yang efisien dan andal dipilih.
Cek Berita dan Artikel yang lain di
Google News
