Modèles prédictifs d’IA basés sur l’imagerie en time-lapse pour identifier les embryons de qualité avec potentiel d’implantation et euploïdie

Pourquoi cela compte pour des parents en attente

Pour les personnes qui suivent une fécondation in vitro (FIV), choisir quel embryon transférer peut faire la différence entre une nouvelle déception et une grossesse réussie. Aujourd’hui, les décisions reposent souvent sur l’apparence des embryons au microscope ou sur des tests génétiques invasifs qui prélèvent des cellules de l’embryon. Cette étude explore une voie différente : utiliser l’intelligence artificielle (IA) pour observer la croissance des embryons au fil du temps et estimer discrètement lesquels sont les plus susceptibles de s’implanter et lesquels ont probablement le bon nombre de chromosomes — le tout sans toucher l’embryon.

Des photos fixes aux images en mouvement

Traditionnellement, les embryologistes notent les embryons à partir de quelques images fixes, jugeant des caractéristiques telles que la forme et l’organisation cellulaire. Ces évaluations sont subjectives et ne révèlent pas de manière fiable si un embryon a le bon nombre de chromosomes, facteur clé des fausses couches. Les tests génétiques peuvent répondre à cette question mais exigent le prélèvement de cellules. Dans ce travail, les chercheurs ont utilisé des vidéos en time-lapse continues captées dans des incubateurs spéciaux. Ces vidéos montrent des changements subtils dans la division cellulaire et le développement durant les premiers jours après la fertilisation, y compris des détails trop fins ou trop rapides pour que l’œil humain les suive de façon cohérente.

Entraîner l’IA à lire les débuts de la vie sur film

L’équipe a construit deux modèles d’IA qui ont appris directement à partir de ces films d’embryons ainsi que de l’âge de la mère. Un modèle estimait la probabilité qu’un embryon transféré mène à une grossesse clinique (confirmée par échographie). L’autre estimait si un embryon était susceptible d’être « euploïde », c’est‑à‑dire d’avoir le bon nombre de chromosomes, sur la base des résultats des tests génétiques standard réalisés sur certains embryons. Ensemble, les jeux de données comprenaient plus de 2 400 embryons pour la prédiction de grossesse et plus de 1 600 pour le statut chromosomique. Plutôt que de s’appuyer sur des marqueurs choisis par des humains, l’IA a analysé le flux vidéo complet, capturant le calendrier et le schéma du développement image par image.

Performance des modèles

Pour tester la fiabilité, les chercheurs ont entraîné un ensemble — dix versions séparées — de chaque modèle et combiné leurs sorties afin qu’aucun modèle unique ne domine la décision. Ils ont évalué la performance sur trois groupes indépendants : un ensemble de validation, un ensemble de test interne et un ensemble de test externe provenant d’autres cliniques de FIV. Les deux modèles ont montré une bonne capacité à distinguer les embryons ayant de meilleurs résultats de ceux ayant de moins bons résultats. Pour la prédiction de grossesse, la précision du modèle était maximale lorsqu’il se concentrait sur les premières 20 à 50 heures de développement, ce qui suggère que les premières divisions cellulaires portent des indices puissants sur le succès ultérieur. Pour le statut chromosomique, les performances sont restées solides sur toute la période de culture, ce qui implique que des signaux utiles sont présents tout au long de la croissance précoce de l’embryon.

Ce que les scores pourraient signifier en clinique

En pratique réelle de la FIV, les médecins doivent décider quels embryons transférer ou tester davantage, pas seulement les classer. Les chercheurs ont donc choisi des seuils de score pratiques en utilisant les données de validation et les ont appliqués sans changement aux cliniques test, simulant un déploiement réel. Pour la prédiction de grossesse, le seuil retenu conservait la plupart des embryons ayant finalement conduit à une grossesse tout en écartant de nombreux embryons qui ne s’étaient pas implantés. Pour la prédiction du statut chromosomique, le seuil conservait une large part des embryons que les tests avaient montrés comme chromosomiquement normaux et mettait de côté de nombreux embryons probablement anormaux. Les auteurs soulignent que ces outils sont destinés à soutenir, et non à remplacer, le jugement clinique — aidant à prioriser les embryons, réduire le besoin de tests invasifs lorsque cela n’est pas nécessaire, et potentiellement raccourcir le délai avant une grossesse réussie.

Vers une sélection d’embryons plus douce

Pour un non‑spécialiste, le message principal est que les ordinateurs peuvent désormais apprendre à partir de courts films d’embryons pour fournir des indices non invasifs sur ceux qui sont les plus prometteurs. En observant comment les embryons se divisent et évoluent dès le tout début, l’IA peut capter des informations que l’œil humain et des clichés occasionnels peuvent manquer. Bien que des tests supplémentaires dans des cliniques et des groupes de patientes plus divers soient nécessaires, cette approche ouvre la voie à des traitements de FIV où le choix des embryons serait plus objectif, plus sûr et moins dépendant des biopsies — offrant une voie plus douce pour fonder une famille.

Citation: Maekawa, R., Kiritani, T., Abe, T. et al. AI prediction models based on time-lapse imaging for good embryos with implantation potential and euploidy. Sci Rep 16, 9864 (2026). https://doi.org/10.1038/s41598-026-40917-5

Mots-clés: FIV, sélection d’embryons, imagerie en time-lapse, intelligence artificielle, test non invasif