Accueil › Dossiers › ESHRE 2022
Réduire la variabilité d'évaluation des embryons par apprentissage profond
FILALI, VANDAME J., POULAIN, FRYDMAN N. — Antoine Beclere Hospital Reproductive Biology - Fertility Preservation - CECOS Clamart France
Ce qu'il faut retenir
Un algorithme entraîné par cinq embryologistes atteint une performance de 87,65 % pour prédire la qualité du blastocyste.
En clair. Deux embryologistes ne notent pas toujours un embryon de la même façon ; l'algorithme réduit cet écart.
De quoi il s'agit
Deux embryologistes qui notent le même embryon ne tombent pas toujours d'accord, et un même observateur peut se contredire d'un jour à l'autre. Les auteurs ont entraîné un algorithme d'apprentissage profond sur 409 embryons, soit 2 045 images, notés par cinq embryologistes entre 2016 et 2020. Le modèle atteint 87,65 % de performance pour prédire la qualité du blastocyste et réduit la variabilité entre observateurs.
Où trouver le détail
Le protocole, les effectifs et les résultats chiffrés figurent dans le livret officiel des résumés du congrès, en accès libre. Cette fiche en donne le message principal en français ; une analyse détaillée sera publiée au fil des thèmes traités.
Accéder au document source
Résumé n° O-005 du livret officiel du congrès (38e réunion annuelle de l'ESHRE, Milan, 3-6 juillet 2022). Le livret complet est en accès libre : Human Reproduction, vol. 37, suppl. 1, 2022 — sommaire du supplément, chaque résumé y est accessible par son numéro. Le texte intégral est en anglais et reste la propriété de l'ESHRE et de ses auteurs.
Analyse revue et mise à jour le 2 octobre 2026 par la rédaction des JTA. Comment ces pages sont faites.