APRESENTANDO ROSE™
ROSE™ permite que bancos de óvulos otimizem a distribuição e o gerenciamento de oócitos doados, frescos ou congelados, utilizando nosso modelo de IA de ponta.
Nossa tecnologia de IA, clinicamente validada, é a primeira no mundo capaz de medir objetivamente a qualidade dos oócitos.
Desenvolvido a partir do maior banco de dados de oócitos do mundo, nosso modelo entrega insights práticos e personalizados para laboratórios, médicos e pacientes.
Melhorar a distribuição de oócitos com base nos desfechos esperados em blastocistos
Criar maior confiança na qualidade dos lotes de doadoras com garantias objetivas
Monitorar e gerenciar ciclos de doadoras e inventário do banco de oócitos
Acessar relatórios intuitivos de lotes que fortalecem a confiança e transparência com clínicas receptoras
Evidências que você pode confiar
MAIS PRECISO E CONSISTENTE DO QUE A AVALIAÇÃO HUMANA
Em quatro estudos de validação, os modelos de IA superaram todos os 50 embriologistas de 15 clínicas de FIV na previsão do desenvolvimento em blastocisto de oócitos maduros, com aumento relativo médio de 18% na precisão. Quando apresentada a mesma imagem de oócito posteriormente, nosso modelo demonstrou taxa de repetibilidade de 100% (versus 81,4% dos embriologistas).1,2
VALIDADO EM OÓCITOS DOADOS
Nosso modelo de IA mostrou ser uma ferramenta valiosa para avaliar o desenvolvimento em blastocisto de oócitos doados e para otimizar o gerenciamento de tratamentos de doação de oócitos.3,4
CORRELAÇÃO COM DESENVOLVIMENTO, QUALIDADE E ESTADO DE PLOIDIA DOS BLASTOCISTOS
Estudos mostraram diferenças estatisticamente significativas no desenvolvimento em blastocisto, na qualidade dos blastocistos e no status euploide entre os oócitos de menor e maior pontuação em nossas previsões.2,5,6
Projetado em colaboração com bancos de óvulos para apoiar
fluxos de trabalho especializados para óvulos de doadoras.
1. CONECTE
Integre seus equipamentos de laboratório com a nossa plataforma e obtenha imagens de forma mais simples, com suporte.
2. ANALISE
Tire e faça upload rapidamente de imagens 2D dos oócitos
diretamente para uma nuvem segura em
tempo real.
3. CLASSIFIQUE
As previsões permitem organizar os oócitos em grupos otimizados com base nos desfechos esperados em blastocistos.
4. INFORME
Baixe relatórios intuitivos que apoiam o registro e o acompanhamento no banco de doadoras, além da comunicação com clínicas receptoras.
Interessado em saber mais?
Entre em contato conosco.
REFERÊNCIAS:
- D. Nayot, J. Meriano, R. Casper, A. Krivoi. An oocyte assessment tool using machine learning: Predicting blastocyst development based on a single image of an oocyte. Oral Presentation – 36th Annual Meeting of ESHRE – Copenhagen 2020.
- N. Mercuri, J. Fjeldstad, A. Krivoi, J. Meriano, D. Nayot. A non-invasive, 2-dimensional (2D) image analysis artificial intelligence (AI) tool scores mature oocytes and correlates with the quality of subsequent blastocyst development. O-191. Oral Presentation – 78th Scientific Congress of the ASRM – Anaheim 2022.
- M.C. Urda Muñoz, V. Palazzo, T. Sanchez, J. Avila, C. Marinè, A. Bellon, M. Hebles, V. Badajoz, L. Mifsud, J. Fjeldstad, N. Mercuri, I. Puerta Vega, D. Nayot, L. Rienzi, D. Cimadomo. An artificial intelligence-powered tool to score fresh donor oocytes and predict blastulation: interim analysis of a prospective investigation conducted at 3 laboratories, Human Reproduction, Volume 39, Issue Supplement_1, July 2024. https://doi.org/10.1093/humrep/deae108.537.
- J. Pons Ballester, M. Alavés, J. Teruel, J. Fjeldstad, N. Mercuri, A. Krivoi. Artificial intelligence (AI)-supported MAGENTA oocyte assessments shown to prospectively correlate with utilizable blastocyst development in patients, and for the first time in oocyte donors, Human Reproduction, Volume 38, Issue Supplement_1, June 2023. https://doi.org/10.1093/humrep/dead093.185.
- D. Nayot, N. Mercuri, A. Krivoi, R.F. Casper, J. Meriano, J. Fjeldstad. A novel non-invasive oocyte scoring system using AI applied to 2-dimensional images. Fertility and Sterility. Sep;21(116), No 3, Supplement, E474, ASRM 2021 Scientific Congress & Expo. https://www.fertstert.org/article/S0015-0282(21)01970-1/fulltext.
- J. Malmsten, N. Zaninovic, N. Mercuri, W. Qi, M. Jaberipour, D. Nayot, Z. Rosenwaks, J. Fjeldstad. Image-based oocyte model predictive of blastocyst development correlates with ploidy status across a broad spectrum of PGT-A indications, accounting for confounding variables. Human Reproduction, Volume 39, Issue Supplement 1, July 2024. https://doi.org/10.1093/humrep/deae108.251.