应用自动化分裂期胚胎评级软体于临床: 预测囊胚形成、整倍体、着床及活产能力

文/茂盛医院 陈建宏博士、李俊逸医师

胚胎筛选是生殖医学领域中非常重要的一环，而近年来缩时摄影 (time-lapse,TL) 技术的应用为胚胎师提供了更多有价值的胚胎发育资讯。这些资讯不仅有助于胚胎形态动力学的分析，也促使胚胎分析软体的发展。然而，目前在使用这些软体进行形态动力学分析时，仍需要胚胎师进行手动标注胚胎的发育细节，这增加了工作量并可能带来主观判断上的​​差异。因此，开发全自动化形态动力学分析与胚胎评级系统是一个具有潜力的策略，可以改善现有软体的不足之处，并更有效地整合到临床工作流程中。透过全自动化的系统，可以减少胚胎师的工作负担，同时提高分析的客观性和一致性。这将有助于提高胚胎筛选的准确性和效率，进而提升生殖医学领域的治疗成效。

Valera等人采用商用软体Eeva Test(版本2.3或3.0)来评估受精后64-72小时的第三天(D3)胚胎，以自动标记所需的胚胎分裂时间点。这项研究旨在探讨该软体在不孕症治疗中的应用，以帮助选择最适合进行移植的胚胎。这项研究结果将有助于评估Eeva Test在不孕症治疗中的有效性和可靠性。透过自动化标记胚胎分裂时间点，此技术有望提供更精确的胚胎评估，帮助医生和患者做出更明智的决定。将有助于提高胚胎移植成功率，并降低不孕症治疗的风险和成本。然而，需要进一步的研究和临床试验来验证Eeva Test的准确性和可靠性。同时，也需要考虑其他因素，如患者的个人情况和治疗需求，以确定该软体是否适合在不孕症疗程中广泛应用。总的来说，这项研究为探讨Eeva Test在不孕症治疗中的应用提供了有价值的信息，并为未来的研究和临床实践提供了方向。

此研究采用观察型研究设计，回溯性地分析2018年至2021年在单一生殖中心收集的3736颗胚胎资料。其中1291颗胚胎来自432个卵子捐赠疗程，另外1291颗胚胎源自185个着床前基因筛选疗程(PGT-A)。这些正常受精胚胎将在TL培养箱中培养，并根据Eeva Test自动化胚胎评级软体的分析结果，被分成五组，评分从1分(最佳)到5分(最差)。胚胎评级所使用的参数包括P2(t3-t2)、P3 (t4-t3)、年龄和受精后64-72小时的胚胎细胞数等。这些评分结果将用于评估胚胎形成囊胚、整倍体、着床和活产的能力。接着，胚胎将继续培养至第五或第六天，并根据外观选择最佳的囊胚进行移植。根据Eeva Test的评级结果，将囊胚生成、着床、活产和整倍体率分组并进行比较。研究使用广义估计方程式(GEEs)分析胚胎评级与相关临床结果之间的关联性。最后，将Eeva Test的预测能力与传统形态评估方式进行比较，并探讨整合两者以提高预测能力的可能性。

研究结果表明，根据Eeva Test评级，囊胚形成率存在显著差异，最佳评级组别的囊胚率可达87.5%。通过GEE分析发现，高评级组别相对于低评级组别具有显著提高的囊胚生成概率，其中最佳评级组别相对于最差评级组别的胜率高达15.849 (P < 0.001)。此外，移植后的著床率和活产率也与Eeva Test评级呈现显著差异，最佳评级组别的著床率和活产率可达60.2%和48.6%。 GEE分析同样发现，高评级组别相对于低评级组别具有显著提高的著床和活产概率，胜率分别为2.920(P=0.003)和3.317(P=0.001)。然而，在PGT-A疗程中，这种显著相关性并不存在。在评估各评级方式的预测能力时，发现接收者操作特征曲线下面积均在0.65以下，其中整合Eeva Test和传统形态方式的预测能力最佳，AUC为0.629–0.636。

总结，这项研究结果表明利用Eeva Test评级可以有效预测囊胚形成率、着床率和活产率，并且高评级组别显著优于低评级组别。然而，在PGT-A疗程中，这种相关性并不明显。整体而言，虽然研究仍存在一些限制，但在分析较大样本数的情况下，TL培养系统和全自动化胚胎评级软体在囊胚筛选方面显示出潜力，但预测效力仍有进一步改善的空间。

期刊出处：Human Reproduction, Vol.38, No.6, pp. 1060–1075, 2023, Clinical validation of an automatic classification algorithm applied on cleavage stage embryos: analysis for blastulation, euploidy, implantation, and live-birth potential.

参考文献
Valera MA, Aparicio-Ruiz B, Pérez-Albalá S, Romany L, Remohí J, Meseguer M. Clinical validation of an automatic classification algorithm applied on cleavage stage embryos: analysis for blastulation, euploidy, implantation, and live-birth potential. Hum Reprod. 2023 Jun 1;38(6):1060-1075. doi: 10.1093/humrep/dead058. PMID: 37018626.

Fig. 1. Performance metrics for the generalized estimating equations (GEEs) for implantation and live-birth prediction. Receiver operating characteristic (ROC) curves and area under the ROC curves (AUCs) of the GEE modelled for assessing the performance of the two classification systems, Eeva Test and morphological evaluation, as well as a combination of both, for implantation and live-birth prediction. PGT-A: preimplantation genetic testing for aneuploidies.