Non-invasively predicting euploidy in human blastocysts via quantitative 3D morphology measurement: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Blastocyst morphology has been demonstrated to be associated with ploidy status. Existing artificial intelligence models use manual grading or 2D images as the input for euploidy prediction, which suffer from subjectivity from observers and information loss due to incomplete features from 2D images. Here we aim to predict euploidy in human blastocysts using quantitative morphological parameters obtained by 3D morphology measurement. METHODS: Multi-view images of 226 blastocysts on Day 6 were captured by manually rotating blastocysts during the preparation stage of trophectoderm biopsy. Quantitative morphological parameters were obtained by 3D morphology measurement. Six machine learning models were trained using 3D morphological parameters as the input and PGT-A results as the ground truth outcome. Model performance, including sensitivity, specificity, precision, accuracy and AUC, was evaluated on an additional test dataset. Model interpretation was conducted on the best-performing model. RESULTS: All the 3D morphological parameters were significantly different between euploid and non-euploid blastocysts. Multivariate analysis revealed that three of the five parameters including trophectoderm cell number, trophectoderm cell size variance and inner cell mass area maintained statistical significance (P < 0.001, aOR = 1.054, 95% CI 1.034-1.073; P = 0.003, aOR = 0.994, 95% CI 0.991-0.998; P = 0.010, aOR = 1.003, 95% CI 1.001-1.006). The accuracy of euploidy prediction by the six machine learning models ranged from 80 to 95.6%, and the AUCs ranged from 0.881 to 0.984. Particularly, the decision tree model achieved the highest accuracy of 95.6% (95% CI 84.9-99.5%) with the AUC of 0.978 (95% CI 0.882-0.999), and the extreme gradient boosting model achieved the highest AUC of 0.984 (95% CI 0.892-1.000) with the accuracy of 93.3% (95% CI 81.7-98.6%). No significant difference was found between different age groups using either decision tree or extreme gradient boosting to predict euploid blastocysts. The quantitative criteria extracted from the decision tree imply that euploid blastocysts have a higher number of trophectoderm cells, larger inner cell mass area, and smaller trophectoderm cell size variance compared to non-euploid blastocysts. CONCLUSIONS: Using quantitative morphological parameters obtained by 3D morphology measurement, the decision tree-based machine learning model achieved an accuracy of 95.6% and AUC of 0.978 for predicting euploidy in Day 6 human blastocysts. TRIAL REGISTRATION: N/A.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».