Разработка системы автоматического анализа морфокинетического состояния эмбриона человека

Обоснование. Применение технологий видеофиксации в эмбриологии существенно развивается. Эти технологии позволяют объективизировать анализ процесса раннего эмбриогенеза каждого культивируемого эмбриона без необходимости изъятия культуральной чашки из инкубатора. Технологии таймлапс в рутинной практике позволяют гарантированно обнаружить патологии развития эмбриона, недоступные традиционным методам контроля развития [1, 2]. Однако разметка и оценка в ручном режиме всех кадров, снятых в процессе культивирования, может занимать значительное время. Кроме того, сама видеофиксация не снимает проблемы объективизации качества интерпретации полученных изображений [3]. Решением задач такого класса успешно занимаются интеллектуальные технологии, в частности решения, разрабатываемые с применением машинного обучения.

Цель — разработка системы автоматического анализа морфокинетического состояния человеческого эмбриона с целью оценки его имплантационной способности.

Материалы и методы. Визуальные данные были собраны в медицинском центре «Семья» (Уфа, Россия) и Клиническом госпитале ИДК группы компаний «Мать и дитя» (Самара, Россия). Цифровые изображения периода доимплантационного развития эмбрионов человека до стадии бластоцисты (0–6-е сутки от инсеминации) получены с использованием инкубатора для лабораторий экстракорпорального оплодотворения «ЭмбриоВизор» с системой таймлапс (гиперлапс) видеофиксации. Культивирование эмбрионов осуществлялось индивидуально в специальных микролунках чашек WOW (Vitrolife, Швеция). Разметка набора данных выполняется с использованием программного обеспечения Label Studio Community Edition. Для анализа данных выбрана рекуррентная свёрточная нейронная сеть, которая была обучена на основе анализа многочисленных изображений.

Результаты. В основе разработки системы автоматического анализа лежит классификация морфокинетического состояния эмбриона по стадиям эмбриогенеза: оплодотворение, дробление, образование морулы, образование бластоцисты. В зависимости от определённого этапа развития будет выполняться сегментация множественных объектов, таких как пронуклеусы и полярные тела на стадии оплодотворения или бластомеры на стадии дробления. Планируется построение бинарной классификации наличия дополнительных признаков (мультинуклеация, неоднородность эндоплазматической сети), классификации/регрессии дополнительных признаков (так, фрагментация может быть оценена в виде дискретных диапазонов или абсолютных значений). Результатом работы является система разметки морфодинамического профиля эмбриона с использованием глубокого обучения. Этот метод позволяет автоматизировать и ускорить процесс анализа, ранее требовавший значительных временных и человеческих ресурсов.

Заключение. Ожидается, что разработанная система автоматического анализа морфокинетического состояния эмбрионов упростит процесс анализа качества эмбрионов человека в лабораториях экстракорпорального оплодотворения, сократив время и ресурсы, затрачиваемые на этот процесс, повысит точность и надёжность оценки имплантационной способности эмбрионов и сможет стать основой создания системы поддержки принятия врачебного решения в эмбриологии.