L'Intelligence Artificielle (IA) permet une évaluation complète avec une analyse totalement objective des images. Le système grâce à l’IA a appris à identifier les spermatozoïdes et à les reconnaitre avec une grande probabilité.
Il peut examiner une quantité massive de données, y compris des centaines d’images de chaque spermatozoïde ; bien plus que ce qu’un humain ne pourrait jamais traiter.
Cette énorme base de données, constituée d’images et de vidéos de spermatozoïdes au fort grossissement que l’on a enseignée au système sont classées en fonction de critères très stricts de morphologie et de mobilité.
Les algorithmes d'IA permettent d’effectuer une évaluation des spermatozoïdes en les reconnaissant et en les liant à ceux de sa base de données.
L’IA va les identifier et les isoler grâce à la robotique pour automatiser le processus, en sélectionnant les plus appropriés à obtenir un taux de fécondation optimum.
Le succès prédictif du système d'IA est testé en répétant la comparaison avec des algorithmes programmés.
Le temps et le travail requis par les embryologistes sera réduit avec une standardisation des critères de choix et de sélection.
De plus l’IA minimise toute décision opérateur dépendant, car elle s’appuie sur des algorithmes basés sur des données plutôt que sur un jugement humain subjectif.
L'algorithme sera composé de plusieurs sous-modules d'IA, tels que :
1-Algorithme de détection : Détection et localisation rapides, simultanées et précises de plusieurs spermatozoïdes présents à l’écran.
2-Algorithme de suivi : Suivit du mouvement de chaque spermatozoïde sur une séquence d’images vidéo capturées par la caméra du microscope. L’algorithme utilise des prédictions de mouvement et des mesures de vitesse pour garantir la précision du mouvement.
3-Algorithme de classification : Algorithme d’IA conçu pour classer 30 images par seconde. L’algorithme apprend à reconnaître la morphologie des spermatozoïdes et à faire des prédictions sur la classe et la catégorie à laquelle correspond son modèle morphologique dans sa base de données. Le système est programmé avec les paramètres de la classification observationnelle de Kruger (Ref-1), associée à ceux de la classification dynamique des spermatozoïdes (Ref-2) en fonction de leur pouvoir fécondant et de leur aptitude à donner des blastocystes expansés au cinquième jour de culture, Gardner classification (Ref-3) offrant ainsi une approche solide et validée de la sélection.
4-Algorithme de notation : Méthode de calcul et ensemble de règles utilisées pour attribuer des scores et des valeurs numériques à chaque spermatozoïde, sur la base de critères algorithmiques de classification et de mesure de la vitesse.
5-Algorithme de mesure de la vitesse : Conçu pour évaluer la vitesse de chaque spermatozoïde en fonction de la vidéo capturée.
Vitesse en ligne droite (VSL) (μm/s) ; Vitesse curviligne (VCL) (μm/s) ; Vitesse moyenne du trajet (VAP) (μm/s) ; Vitesse progressive (VProgressive) (μm/s).
L'algorithme d'analyse basé sur l'IA est continuellement formé et adapté à l'évolution des connaissances scientifiques et des résultats cliniques.
Plus récemment, des algorithmes complémentaires ont été construit pour renforcer et conforter la sélection en fonction de profil épigénétique de méthylation, d’expression géniques (Ref-4) et de la présence et répartition de microRNA (Ref-5)
Comment cela fonctionne ?
Il y a un dialogue continuel entre l'ordinateur et le microscope par plusieurs algorithmes gérés par l’IA.
La vidéo 1 montre sur le côté droit en gris bleu le panneau de contrôle du système, et en noir les codes de l’IA pour tout le système.
Le processus est en 8 points :
1- Détection des spermatozoïdes par IA en les différenciant d’une cellule ou d’un artefact.
2- Suivi : Donner un numéro d'identification unique à chaque spermatozoïde pour les suivre, prédire leur direction et leur itinéraire en utilisant un algorithme d'IA.
3- Classer chaque spermatozoïde en tenant compte de la forme précise de la tête, de sa base et de la présence ou non de vacuole.
4- Notation : La fréquence de capture d'images vidéo est de 30 images seconde. La taille de la tête est mesurée avec un modèle (5 microns de long / 3 de large). Enfin, le système tague en rouge les non validés, en jaune les potentiellement bons en cours d’évaluation et en vert les validés.
5- Maintenir le spermatozoïde tagué en vert au centre de la mire de l'écran par un dialogue contrôlé par l'IA, entre la plate-forme du microscope qui va se déplacer en sens inverse de la direction du spermatozoïde sélectionné. Puis la plate-forme se déplace vers la pipette pour le prélèvement.
6- Vidéo 2 : La pipette descend et attend que la zone soit libre de tout autre spermatozoïdes
7- La pompe s'active et la pipette se déplace grâce à la micro robotique vers une goutte de milieu propre où ils seront stockés, prêts à être injectés en ICSI.
Ce système autonome est basé sur un total de 6 corrélations validées, combinent l'IA et la micro robotique.
Il copie et imite la sélection des spermatozoïdes au fort grossissement dans les laboratoires de routine, sans nouveau milieu, sans nouvelle lumière, sans nouvel optique.
Un article récemment publié, montre une corrélation positive entre le taux de fécondation et le taux de naissances vivantes cumulées (Ref-6)
Ainsi, il existe des milliers de données de l’Agence de la biomédecine, ABM, sur 5 dernières années (Ref-7) montrant que cette méthode de choix des spermatozoïdes en ICSI ont un taux de fécondation de 24 % supérieure au taux national (86 % versus 64 % taux national) et un taux de grossesse de 10 % supérieure au taux national (36 % versus 26 % taux national) sans don d’ovocytes.
La sélection des spermatozoïdes avant l'ICSI reste une étape cruciale du début du processus de fécondation.
De la qualité de l’ADN injecté, de son profil de méthylation et de son expression génique va dépendre l’obtention d’un embryon de bonne qualité et d’une grossesse évolutive.
___________________
References
Ref-1: “Kruger Strict Criteria” morphology mentioned in the WHO 5th edition criteria. Kruger Thinus
Ref-2: A new real-time morphology classification for human spermatozoa: a link for fertilization and improved embryo quality. Cassuto et al. Fertil Steril. 2009 Nov.
Ref-3: Blastocyst score affects implantation and pregnancy outcome: towards a single blastocyst transfer. Gardner et al. Fertil Steril.2000 Jun.
Ref-4: Molecular Profiling of Spermatozoa Reveals Correlations between Morphology and Gene Expression: A Novel Biomarker Panel for Male Infertility. Cassuto et al. Biomed Res Int. 2021 Sep.
Ref-5: Human sperm microRNA profiling correlated with head morphology. Cassuto et al. ASRM 2023
Ref-6: Fertilization rate as a novel indicator for cumulative live birth rate: a multicenter retrospective cohort study of 9,394 complete in vitro fertilization cycles. Giulia Scaravelli et al. Fertil Steril. 2021 Sep.
Ref-7: Portail de l’Agence de la biomédecine : https://www.agence-biomedecine.fr/
