[論文レビュー] Deep learning mediated single time-point image-based prediction of embryo developmental outcome at the cleavage stage

Manoj Kumar Kanakasabapathy, Prudhvi Thirumalaraju+7 more|arXiv (Cornell University)|May 21, 2020

Reproductive Biology and Fertility参考文献 20被引用数 11

ひとこと要約

本研究では、畳み込みニューラルネットワーク（CNN）と遺伝的アルゴリズムを用いた深層学習ベースのシステムを提案し、1回の時間点での画像から分裂期の胚の発達可能性を予測する。70時間後受精（hpi）の胚画像で学習させたモデルは、上位品質の胚盤胞に発達する胚を特定する際、64％の正確性を達成した。これは胚鑑別医の性能を上回り、特にリソースが限られた環境においても、費用対効果に優れた自動化されたIVFクリニックソリューションを提供する。

ABSTRACT

In conventional clinical in-vitro fertilization practices embryos are transferred either at the cleavage or blastocyst stages of development. Cleavage stage transfers, particularly, are beneficial for patients with relatively poor prognosis and at fertility centers in resource-limited settings where there is a higher chance of developmental failure in embryos in-vitro. However, one of the major limitations of embryo selections at the cleavage stage is the availability of very low number of manually discernable features to predict developmental outcomes. Although, time-lapse imaging systems have been proposed as possible solutions, they are cost-prohibitive and require bulky and expensive hardware, and labor-intensive. Advances in convolutional neural networks (CNNs) have been utilized to provide accurate classifications across many medical and non-medical object categories. Here, we report an automated system for classification and selection of human embryos at the cleavage stage using a trained CNN combined with a genetic algorithm. The system selected the cleavage stage embryo at 70 hours post insemination (hpi) that ultimately developed into top-quality blastocyst at 70 hpi with 64% accuracy, outperforming the abilities of embryologists in identifying embryos with the highest developmental potential. Such systems can have a significant impact on IVF procedures by empowering embryologists for accurate and consistent embryo assessment in both resource-poor and resource-rich settings.

研究の動機と目的

• タイムラプス画像装置に依存せずに、分裂期における胚発達可能性を自動でかつ費用対効果の高い方法で予測する手法を開発すること。
• 分裂期における胚選択に利用可能な手作業で判別可能な形態的特徴の数が限られているという課題を克服すること。
• 両方の臨床環境（リソース豊富な環境とリソースが限られた環境）において、正確で一貫性のある胚選択を可能にすることで、IVFの成績を向上させること。
• 深層学習と遺伝的アルゴリズムを活用し、1回の時間点での胚画像から予測可能な特徴を抽出すること。

提案手法

• 畳み込みニューラルネットワーク（CNN）を、70時間後受精（hpi）におけるヒト胚の1回の時間点での明-field画像で学習させた。
• CNNのハイパーパrameterを最適化し、分類性能を向上させるために遺伝的アルゴリズムが用いられた。
• モデルは、5日目（120 hpi）に上位品質の胚盤胞に発達する可能性があるかどうかに基づいて、胚を分類するように学習させた。
• 画像データは臨床的なIVFサイクルから収集され、形態的特徴が抽出され、深層学習モデルの学習に使用された。
• 予測の正確性を比較するために、胚鑑別医による臨床的評価と照合してシステムを検証した。

実験結果

リサーチクエスチョン

• RQ1 分裂期胚の1回の時間点での画像を用いて、その胚盤胞への発達可能性を正確に予測できるか？
• RQ2 深層学習モデルは、分裂期における発達可能性が最も高い胚の選択において、人間の胚鑑別医を上回ることができるか？
• RQ3 タイムラプス画像装置や高価なハードウェアを必要としないCNNベースのシステムが、胚画像分類において高い正確性を達成できるか？
• RQ4 遺伝的アルゴリズムは、CNNの胚画像分類における性能をどの程度向上させることができるか？

主な発見

• 深層学習モデルは、70 hpiにおける分裂期胚が上位品質の胚盤胞に発達するかどうかを識別する際、分類正確性64％を達成した。
• この性能は、発達可能性が最も高い胚の選択において経験を積んだ胚鑑別医の正確性を上回った。
• 本システムは、タイムラプス画像装置を必要とせず、1回の時間点での画像のみを用いた自動化された画像ベースの胚選択を可能にする。
• 低コストのハードウェアと運用要件であるため、リソースが限られた施設とリソース豊富な不妊治療クリニックの両方において、スケーラブルに適用可能である。