Introduction: La sélection embryonnaire est un enjeu majeur en Assistance Médicale à la Procréation (AMP), d’autant plus depuis la généralisation du transfert mono-embryonnaire, et son optimisation permettrait l’amélioration des résultats cliniques en Fécondation In Vitro (FIV). Récemment, plusieurs modèles d’Intelligence Artificielle (IA) basés sur le deep-learning tels que l’iDAScore, ont été développés. Ces modèles, entrainés sur des séquences d’images Time-Lapse (TL) d’embryons dont le potentiel implantatoire est connu, sont capables de générer un score prédictif de grossesse pour chaque blastocyste, de façon automatisée et standardisée.

Matériels et methods: Dans cette étude, nous avons comparé la hiérarchisation de 311 blastocystes J5 établie par l’iDAScore v1.0 et les biologistes de notre centre. Les 311 blastocystes ont été classés par les biologistes selon la classification de Gardner en top (Top : 70,1%), bonne (Q+ : 10,6 %) et mauvaise qualité (Q- : 19,3%). L’iDAScore médian était respectivement compris entre [9,9-8,4], ]8,4-7,5] et ]7,5-2,1] pour ces trois catégories de blastocystes.

Résultats: La catégorisation des embryons en qualité Top, Q+ et Q- était concordante entre le biologiste et l’iDAScore dans respectivement 89,5%, 36,4 % et 48,3%, (p <10^-4). De plus, l’iDAScore hiérarchisait, lorsque comparé aux biologistes, les trois meilleurs blastocystes de la cohorte comme suit : Rang 1 : 71,9 % ; Rang 2 : 61,6 % ; Rang 3 : 56,8% de similitude (p = 0,07). Cent cinquante et un blastocystes dont les issues de grossesse étaient connues ont été analysés. L’iDAScore des blastocystes qui se sont implantés était significativement plus élevé que celui des blastocystes qui ne se sont pas implantés (implantation + : 9,10 ± 0,57 ; implantation -: 8,70 ± 0,95, p = 0,003).

Conclusion: Cette étude préliminaire montre que l’iDAScore permet de rendre une classification hiérarchique des blastocystes reproductible, fiable et instantanée. De plus, cet outil permet d’identifier les blastocystes avec le meilleur potentiel implantatoire. Si ces résultats sont confirmés sur de plus grandes cohorte d’embryons et de patients, l’IA pourrait révolutionner les laboratoires de FIV en standardisant la sélection hiérarchique embryonnaire.

Introduction: Embryo selection is a major challenge in ART, especially since the generalization of single embryo transfer, and its optimization could lead to the improvement of clinical results in IVF. Recently, several Artificial Intelligence (AI) models, based on deep-learning such as iDAScore, have been developed. These models, trained on time-lapse videos of embryos with known implantation data, can predict the probability of pregnancy for a given embryo, allowing automatization and standardization in embryo selection.

Material and methods: In this study, we have compared the hierarchical categorization of 311 D5 blastocysts of iDAScore v1.0 and the embryologists of our unit. These 311 D5 blastocysts have been classified as top (70.1%), good (Q+: 10.6%) and poor (Q-: 19.3%) quality by embryologists according to Gardner classification. Median iDAScores were [9.9-8.4], ]8.4-7.5] and ]7.5-2.1] for top, good and poor-quality blastocysts respectively.

Results: We observed a significantly concordant categorization between iDAScore and embryologists for top, good and poor-quality blastocysts (respectively, 89.5%, 36.4% and 48.3%, p <10^-4). Moreover, the hierarchical categorization of the three best blastocysts between iDAScore and the embryologists was as follow: 1^st rank: 71.9 %; 2^nd rank: 61.6%; 3^rd rank: 56.8%, (p = 0.07). 151 blastocysts with known implantation data were analyzed. The iDAScore of blastocysts that implanted was significantly higher than those that did not implant. (implantation +: 9.10 ± 0.57; implantation -: 8.70 ± 0.95, p = 0.003).

Conclusion: This preliminary study shows that iDAScore is able to perform a reproducible, reliable and immediate hierarchical classification of blastocysts. Moreover, this tool can identify the blastocysts with the highest implantation potential. If these results confirmed on a larger scale of embryos and patients, IA could revolutionize IVF laboratories by standardizing embryo hierarchical selection.