Modern approaches to cultivation and autoanalysis of the morphodynamics of human embryos in vitro
DOI:
https://doi.org/10.37800/RM.3.2021.35-43Keywords:
morphodynamic profile, time-lapse, human embryos, assisted reproductive technologies, convolutional neural networkAbstract
Актуальность: В настоящее время крайне важно выявить предикторы развития компетентного эмбриона, которые определяют его имплантационный потенциал. Предикторы в данном случае – это прогностические параметры, оценка которых в совокупности и будет являться инструментом ранжирования и селекции эмбрионов человека. Для стандартизации описания развития культивируемых in vitro эмбрионов человека нами введено понятие «Морфодинамический профиль эмбриона человека». Оно включает в себя совокупность выявленных нами морфокинетических состояний, расположенных на временной шкале в соответствии с моментом их регистрации. Все временные отсечки (точки) даются в хронологическом порядке относительно момента оплодотворения.
Цель исследования – реализовать информационную систему с использованием технологий искусственного интеллекта, позволяющую производить автоматическое формирование морфодинамического профиля эмбриона человека на основании таймлапс-съёмки процесса культивирования эмбриона человека до стадии бластоцисты.
Материалы и методы: Сбор визуальной информации о доимплантационном развитии эмбрионов человека до стадии бластоцисты (0 – 6 сутки от инсеминации) производился с использованием инкубатора для лабораторий ЭКО «Эмбриовизор» с системой таймлапс (гиперлапс) видеофиксации (ООО «ВЕСТТРЭЙД ЛТД», Россия). Культивирование эмбрионов осуществляется индивидуально в специальных микролунках чашек WOW (Vitrolife, Швеция). Сбор, разметка и подготовка визуальной информации о культивируемых эмбрионах человека проведены в лаборатории вспомогательных репродуктивных технологий (ВРТ) Клинического госпиталя ИДК ЗАО «Медицинская компания ИДК» (группа компаний «Мать и дитя», Самара, Россия) и медицинском центре «Семья» (Уфа, Россия). Разметка морфодинамического профиля производилась с использованием программного обеспечения EmbryoVisor (специализированная версия). Графические данные и информация о разметке выгружены на кластер SberCloud. Свёрточная нейронная сеть для решения задачи мультиклассовой классификации реализована на суперкомпьютере Кристофари кластера SberCloud.
Результаты: На основании имеющейся базы данных нами разработана система формирования морфодинамического профиля эмбриона человека с учетом расстановки маркеров фиксируемых морфокинетических состояний.
Заключение: Возможность фиксации основных морфодинамических событий и их оценка позволяют более комплексно подходить к оценке развивающихся эмбрионов, проводить их ранжирование, отбирая на перенос наиболее перспективный к имплантации эмбрион.
References
Meseguer M. Fertil. Steril., 2016; 105(2): 295-296. https://doi.org/10.1016/j.fertnstert.2015.12.126;
Stensen M.H., Tanbo T.G., Storeng R., Abyholm T., Fedorcsak P. Fertil. Steril., 2015; 103(2): 374-381. https://doi.org/10.1016/j.fertnstert.2014.10.031;
Ren S., He K., Girshick R., Sun J. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137-1149. https://doi.org/10.1109/TPAMI.2016.2577031;
He K., Zhang X., Ren S., Sun J. Deep Residual Learning for Image Recognition // 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), December 2016. https://doi.org/10.1109/CVPR.2016.90;
Tan M., Le Q.V. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks // International Conference on Machine Learning, May 2019, https://arxiv.org/abs/1905.11946;
Pribenszky C., Nilselid A.-M., Montag M. Reproductive BioMedicine Online, 2018; 36(3). https://doi.org/10/106/j.rbmo.2017.12.011;
Racowsky C., Wellington M.P. Fertil. Steril., 2017; 108(3): 450-452. https://doi.org/10.1016/j.fertnstert.2017.07.1156;
Rubio I., Galán A., Larreategui Z., Ayerdi F., Bellver J., Herrero J. et al. Fertil. Steril., 2014; 102: 1287–1294. https://doi.org/10.1016/j.fertnstert.2014.07.738;
Sciorio R., Thong J.K., Pickering S.J. Comparison of the development of human embryos cultured in either an EmbryoScope or benchtop incubator// J Assist Reprod Genet. 2018 Mar; 35(3): 515–522, DOI: 10.1007/s10815-017-1100-6;
Nemkovskiy G.B., Shurygina O.V., Bayzarova A.A., Rusakov D.Yu., Kuznetsov A.B., Belyakov V.K. Procedia Computer Science, 2020; 176: 1736-1744. https://doi.org/10.1016/j.procs.2020.09.212;
Fishel S., Campbell A., Montgomery S., Smith R., Nice L., Duffy S., Jenner L., Berrisford K., Kellam L., Smith R., Foad F., Beccles A. Reprod. Biomed. Online, 2018; 37(3): 304-313. https://doi.org/10.1016/j.rbmo.2018.05.016;
McEvoy K., Brison D., Roberts S. A one-year retrospective analysis comparing live birth outcomes from embryos grown and transferred from an undisturbed time-lapse culture system with a conventional culture system // 32nd Annual Meeting of the European Society of Human Reproduction and Embryology. – Helsinki, Finland, 3–6 July 2016.
Additional Files
Published
How to Cite
Issue
Section
License
The articles published in this Journal are licensed under the CC BY-NC-ND 4.0 (Creative Commons Attribution – Non-Commercial – No Derivatives 4.0 International) license, which provides for their non-commercial use only. Under this license, users have the right to copy and distribute the material in copyright but are not permitted to modify or use it for commercial purposes. Full details on the licensing are available at https://creativecommons.org/licenses/by-nc-nd/4.0/.
