人工智能胚胎篩選系統
現今技術介紹與我們核心技術比較
目前生殖醫學科醫師僅以肉眼判斷胚胎型態並依照往經驗決定植入之胚胎大部分的評估流程皆為紙本資料未電子化(不孕評估單、生殖技術紀錄單及胚胎培養單)
試管嬰兒療程與預測模型
臨床各項訊號數據收集以及前處理 (生理數值、生化檢驗、影像資訊)
胚胎影像-著床成功機率AI模型
深度學習網路架構,建立胚胎顯微鏡影像-著床機率預測模型,植入後著床成功與失敗的案例中選取適當案例
來進行訓練並由醫師對預測結果進行效能評估
哪一個胚胎適合植入?
Hidden Layer
Input Layer
Output Layer
胚胎顯微影像
著床成功/失敗機率
AI胚胎影像系統(Web-based)
上傳胚胎影像
自動化顯示
建議之胚胎分級
Normal 2-cell embryo with one
nucleus in each
Abnormal binucleated embryo with two
nuclei in each blastomere
辨別技術流程
胚胎型態影響懷孕率
網路模型預測臨床受孕成功準確率大約在60%以上
人工挑選優良型態胚胎著床率約50%
高品質的胚胎能達成更佳的胚胎著床率(IR) 活產率(LBR)
荷爾蒙/生理檢驗-懷孕風險預測模型
年齡、BMI 等基本生理資料
生化檢驗紀錄
使用深度學習網路 建立荷爾蒙/生理檢驗 - 懷孕風險
胚胎-囊胚期型態判斷
好的囊胚(blastocyst)
滋胚層 (TE):
邊界清楚,細胞大小一致,囊胚腔明顯
內細胞團(inner cell mass, ICM) :
ICM要成團
邊界清楚
囊胚期的胚胎體積要開始增加
醫技師靠人力雙眼作型態判斷將囊胚分為AA、BB、CC級
正常胚胎型態
TE品質不良
ICM幾乎看不到
胚胎並未長大
預期效果
胚胎植入前,胚胎形態上的觀察標準
篩選出活力強
基因表現也正常的胚胎
藉此提高著床率及活產率
挑細選優質胚胎進行植入手術
內膜厚度良好
受孕成功胚胎顯微影像
受孕失敗胚胎顯微影像
技術優勢&競爭者分析
Annatech
Vitrolife
1.自動計算細胞活動並標示出細胞分裂事件
自動計算細胞活動並標示出細胞分裂事件
2.觀察胚胎形態學
3.以AI模型預測胚胎品質
4.以胚胎動力學分析活性