Ths. Nguyễn Thị Thanh Tâm
Đơn vị HTSS IVFMD FAMILY, BVĐK Gia Đình, Đà Nẵng
- Giới thiệu
Vô sinh là vấn đề sức khỏe ảnh hưởng đến khoảng 10%-15% các cặp vợ chồng trong độ tuổi sinh sản trên toàn thế giới [1]. Trong công nghệ hỗ trợ sinh sản, kỹ thuật thụ tinh trong ống nghiệm (In vitro fertilization – IVF) là phương pháp được sử dụng rộng rãi nhất [2]. Quy trình thực hiện IVF gồm kích thích buồng trứng, chọc hút nhằm thu nhận noãn, tiến hành thụ tinh với tinh trùng, nuôi phôi bên ngoài cơ thể và cuối cùng là chuyển phôi vào tử cung. Tuy nhiên, tỷ lệ thành công của IVF vẫn là mối trăn trở và nhiều cặp vợ chồng điều trị nhiều chu kỳ nhưng chưa có kết quả mong muốn. Điều này cho thấy việc xác định các yếu tố liên quan đến điều trị thành công rất quan trọng.
- Các yếu tố dự đoán
2.1 Yếu tố từ mẹ
2.1.1 Tuổi mẹ
Tuổi của người mẹ là một yếu tố quan trọng ảnh hưởng đến khả năng thụ thai sau điều trị IVF vì tác động đến chất lượng và số lượng noãn thu nhận được [3]. Một nghiên cứu tổng hợp đã báo cáo, tỷ lệ trẻ sinh sống cao nhất được quan sát thấy ở phụ nữ từ 25-30 tuổi, với sự suy giảm đều từ 35 tuổi trở lên. Cơ hội thành công cao nhất được thấy ở phụ nữ từ 25-30 tuổi, không có trường hợp mang thai nào được ghi nhận sau 45 tuổi [4]. Bên cạnh đó, phụ nữ trên 35 tuổi trải qua sự gia tăng đáng kể về tỷ lệ lệch bội nhiễm sắc thể ở phôi từ 30% đến 90% vào cuối những năm 40 tuổi trước mãn kinh [5]. Cơ hội tạo phôi nang có nhiễm sắc thể bình thường thậm chí có thể thấp hơn 5% ở phụ nữ trên 43 tuổi [6]. Điều này được cho là do sự suy giảm khả năng dự trữ buồng trứng, mặt khác là do sự suy giảm dần chất lượng của noãn hoặc phôi. Nguyên nhân có thể do rối loạn chức năng cohesion, giảm độ nghiêm ngặt của các điểm kiểm soát thoi phân bào, rút ngắn telomere, hoạt động chuyển hóa ty thể bị suy giảm [7].
Khi độ tuổi ở mẹ càng tăng, số lượng noãn giảm dần và giảm mạnh sau 35 tuổi. Việc đo khả năng dự trữ buồng trứng thông qua chỉ số AFC (Antral Follicle Count) hoặc nồng độ hormone kháng Mullerian (Anti-mullerian Hormone - AMH) trong huyết thanh giúp ước tính về kích thước, số lượng nang noãn, phản ứng với kích thích buồng trứng có kiểm soát (controlled ovarian hyperstimulation – COH) [8]. Tuy nhiên, nồng độ AMH có thể giúp dự đoán phản ứng của buồng trứng với kích thích gonadotropin, nhưng không phải là yếu tố dự đoán cho việc mang thai vì đây là yếu tố bị chi phối bởi các yếu tố khác như tuổi tác, nguyên nhân vô sinh và thời gian [9]. Một nghiên cứu tổng hợp thực hiện nhằm thiết lập chỉ số tối ưu để đánh giá dự trữ buồng trứng ở những người đủ điều kiện COH. Phân tích tổng hợp gồm 26 nghiên cứu, trong đó có 17 nghiên cứu đoàn hệ, 4 nghiên cứu đối chứng và 5 nghiên cứu cắt ngang. Chỉ số AFC và AMH cho thấy hiệu quả trong chẩn đoán đáng kể so với hormone kích thích nang noãn (Follicle Stimulating Hormone – FSH) và Estradiol (E2) trong cả hai nhóm đáp ứng kém và đáp ứng tốt. Điều này có thể giúp tối ưu hóa các phác đồ COH và có lợi cho bệnh nhân giảm dự trữ buồng trứng cân nhắc việc đông lạnh noãn. Ngoài ra, việc nghiên cứu hiệu quả của các chỉ số nội tiết và di truyền khác nhau trong việc dự đoán chất lượng và số lượng noãn có thể làm giảm tỷ lệ thất bại điều trị và các biến chứng [10].
2.1.2 Chỉ số khối cơ thể
Chỉ số khối cơ thể (Body Mass Index – BMI) của mẹ được xác định là một yếu tố ảnh hưởng đến tỷ lệ thành công trong IVF đáng kể, với BMI cao có liên quan đến tỷ lệ thành công thấp hơn trong một số nghiên cứu [11]. Cân nặng quá mức và béo phì gây ảnh hưởng đến nhiều kết quả sinh sản từ rối loạn cân bằng nội tiết tố, phóng noãn đến việc làm tổ của phôi bị ảnh hưởng và tăng nguy cơ biến chứng thai kỳ như sẩy thai và tiền sản giật [12]. Ngược lại, BMI thấp có thể ảnh hưởng đến khả năng sinh sản và kết quả mang thai bởi sự phá vỡ cân bằng nội tiết tố và làm suy giảm chức năng sinh sản. Đối với phụ nữ thực hiện các thủ thuật trong công nghệ hỗ trợ sinh sản, BMI cao gây ra nhiều thách thức bao gồm nhu cầu sử dụng thuốc hỗ trợ sinh sản cao hơn, tăng khả năng mắc hội chứng quá kích buồng trướng, tỷ lệ sẩy thai cao hơn và tỷ lệ làm tổ của phôi thấp hơn [13], [14]. Những điều này góp phần gây căng thẳng về mặt cảm xúc và tài chính cho bệnh nhân.
2.1.3 Đặc điểm nội mạc tử cung
Nội mạc tử cung (NMTC) là một lớp niêm mạc chuyên biệt, chủ yếu bao gồm nhiều mô tuyến và mô đệm. NMTC sẽ thay đổi theo chu kỳ về tăng trưởng, biệt hóa… nhằm đáp ứng với những biến đổi được kiểm soát bởi steroid trong suốt quá trình sinh sản ở phụ nữ [15]. Các yếu tố ảnh hưởng đến sự thành công trong công nghệ hỗ trợ sinh sản liên quan đến đặc điểm NMTC như cấu trúc, độ dày, lưu lượng máu dưới NMTC [16]. Trong nhiều năm qua, có nhiều báo cáo rằng thông qua siêu âm để nhận biết khả năng tiếp nhận của NMTC. Mặc dù vẫn còn nhiều tranh cãi, nhưng độ dày NMTC là yếu tố được sử dụng phổ biến nhất để dự đoán khả năng tiếp nhận NMTC và tỷ lệ trẻ sinh sống khi thực hiện công nghệ hỗ trợ sinh sản (Assisted Reproductive Technology – ART). Khả năng tiếp nhận NMTC giảm làm giảm khả năng mang thai, tăng tỷ lệ sẩy thai tự nhiên và thai ngoài tử cung, cân nặng trẻ sơ sinh thấp và thấp so với tuổi thai [17], [18].
Hiện nay, có nhiều đồng thuận cho rằng độ dày nội mạc tử cung tối thiểu 6-7 mm vào cuối pha nang noãn, để tối ưu hóa kết quả chu kỳ [19]. Ngoài ra, một nghiên cứu hồi cứu đơn trung tâm thực hiện trên 552 ca chuyển đơn phôi, cho thấy độ dày NMTC ít nhất 7mm là mức tối ưu cho khả năng mang thai thành công [20]. Hơn 50% trường hợp mang thai với độ dày NMTC dưới 7mm dẫn đến sẩy thai tự nhiên.
2.2 Yếu tố từ bố
Các nghiên cứu về thông số tinh trùng thu nhận thông qua phân tích tinh dịch khá quan trọng. Số lượng tinh trùng di động tiến tới là yếu tố dự đoán đáng tin cậy về khả năng mang thai. Trong phương pháp thụ tinh trong ống nghiệm cổ điển, khả năng thành công phụ thuộc đáng kể vào độ di động của tinh trùng [21]. Khi đánh giá các thông số tinh dịch nhằm dự đoán sự thành công trong công nghệ hỗ trợ sinh sản, kết quả cho thấy tỷ lệ thụ tinh thấp hơn đáng kể ở những bệnh nhân nam có thông số tinh dịch bất thường so với nam giới có thông số bình thường theo Tổ chức y tế thế giới. Trong đó, chỉ số tỉ lệ di động của tinh trùng đóng vai trò quan trọng trong việc dự đoán sự thành công của kỹ thuật thụ tinh trong ống nghiệm, trong đó hình thái tinh trùng là thông số có ý nghĩa trong các chu kỳ thực hiện kỹ thuật tiêm tinh trùng vào bào tương noãn [22].
Bên cạnh đó, chỉ số phân mảnh deoxyribonucleic acid (DNA) tinh trùng (DNA fragmentation index – DFI) đóng vai trò là thước đo đánh giá tính toàn vẹn của DNA tinh trùng bằng cách định lượng mức độ phân mảnh chromatin trong tế bào tinh trùng. DFI như một dấu hiệu để đánh giá chất lượng tinh trùng, đặc biệt liên quan đến sự phát triển phôi và kết quả mang thai. Hiện nay, đa phần các chuyên gia cho rằng DFI ≤ 15% được xem là bình thường, trong khi 15% < DFI < 30% là mức trung bình. Nếu DFI ≥ 30%, được xem là tinh trùng có tính toàn vẹn kém, mặc dù tỷ lệ phân mảnh DNA tinh trùng cao có thể ảnh hưởng đến kết quả mang thai và sự an toàn ở trẻ sinh ra, điều này đến nay vẫn còn gây tranh cãi [23]. Chính vì thế, một nghiên cứu tại một trung tâm với hơn 10000 chu kỳ thực hiện IVF hoặc tiêm tinh trùng vào bào tương noãn (Intracytoplasmic Sperm Injection – ICSI) mỗi năm, thực hiện nhằm kiểm chứng chỉ số phân mảnh DNA tinh trùng ảnh hưởng đến kết quả mang thai và sự an toàn của trẻ sinh ra. Kết quả cho thấy rằng DFI của tinh trùng ảnh hưởng đến tỷ lệ sẩy thai và cân nặng sơ sinh trong công nghệ hỗ trợ sinh sản. Đồng thời cho thấy mối tương quan giữa DFI và tỷ lệ sẩy thai, cân nặng trẻ sơ sinh. Tuy nhiên, nghiên cứu này là nghiên cứu hồi cứu và thực hiện tại một trung tâm [24].
2.3 Chất lượng phôi
Chất lượng phôi là một trong những yếu tố quan trọng quyết định kết quả thành công trong các chu kỳ thực hiện thụ tinh trong ống nghiệm. Hiện nay, chất lượng phôi chủ yếu được đánh giá thông qua hệ thống phân loại phôi theo tiêu chuẩn hình thái. Bên cạnh đó, phôi được xem là có liên quan đến sự phát triển của phôi tại thời điểm đánh giá, nhằm cung cấp thông tin để dự đoán chính xác hơn về khả năng làm tổ [25].
Việc lựa chọn những phôi có khả năng làm tổ cao nhất rất quan trọng để có thể hạn chế số lượng phôi được chuyển mà vẫn duy trì tỷ lệ mang thai. Đặc biệt, tính nguyên bội của phôi là điều kiện tiên quyết cho quá trình làm tổ và phát triển [26]. Một trong những thách thức chính gặp phải trong IVF là lựa chọn phôi tốt nhất để chuyển, tức là phôi có tiềm năng sống cao nhất. Đối với phôi nang được phân loại theo hình thái bao gồm đánh giá chất lượng tế bào lá nuôi, chất lượng khối tế bào nội mô, độ nở rộng. Tuy nhiên, đối với tiêu chẩn đánh giá thông qua hình thái như vậy, không biết được tình trạng nhiễm sắc thể của phôi được chuyển. Các bất thường trong noãn được chứng minh là tăng theo tuổi mẹ và tuân theo đường cong chữ U. Ngoài ra, tỷ lệ phôi nguyên bội tương quan với chất lượng của phôi thông qua tiêu chuẩn hình thái [27].
2.4 Yếu tố từ phòng thí nghiệm
Trong cơ thể sống, phôi di chuyển trong môi trường và thay đổi từ ống dẫn trứng đến tử cung. Khi thực hiện thụ tinh trong ống nghiệm, phôi được nuôi cấy trong điều kiện nhân tạo, bên ngoài cơ thể mẹ. Điều quan trọng là trong khi môi trường nuôi cấy đóng vai trò quan trọng nhằm tối ưu hóa sự phát triển của phôi, thì có rất nhiều yếu tố khác cũng quan trọng không kém. Các yếu tố ngoại lai bao gồm độ pH, nhiệt độ, độ thẩm thấu, nồng độ khí và cường độ ánh sáng… cần được kiểm soát một cách chặt chẽ để ngăn ngừa sự căng thẳng và giúp tối ưu khả năng làm tổ của phôi. Chính vì thế, phòng thí nghiệm phôi học cần đảm bảo và cung cấp các điều kiện nuôi cấy tối ưu để hỗ trợ sự phát triển của phôi khỏe mạnh với tiềm năng làm tổ cao [28].
Ban đầu, môi trường nuôi cấy được thiết lập sao cho giống với môi trường tự nhiên nhất, nhằm mô phỏng nồng độ các phân tử và chất nền năng lượng có liên quan được tìm thấy trong hệ thống sinh sản ở nữ giới [29]. Loại môi trường này yêu cầu thay đổi môi trường nuôi cấy vào ngày thứ 3 trong quá trình phát triển khi phôi thay đổi quá trình trao đổi chất của nó. Sau đó, dựa trên định nghĩa để phôi được chọn, phát triển môi trường tối ưu hóa đơn giản, sử dụng một môi trường duy nhất để nuôi cấy phôi từ khi thụ tinh đến giai đoạn phôi nang. Ưu điểm là không cần phải thay thế môi trường nuôi cấy, nhằm hạn chế một bước có thể gây căng thẳng cho phôi [30]
Vai trò của oxy trong quá trình trao đổi chất và phát triển của phôi rất quan trọng. Oxy được tiêu thụ trong quá trình phosphoryl hóa oxy hóa ty thể, trong khi các gốc oxy hóa tự do (Reactive Oxygen Species - ROS) có thể tạo ra do các electron năng lượng cao khi chúng đi xuống chuỗi vận chuyển electron. ROS có thể làm suy giảm quá trình trao đổi chất của tế bào, tính toàn vẹn của bộ gen và khả năng sống của phôi. Tóm lại, nuôi cấy phôi ở nồng độ oxy thấp có liên quan đến sự phát triển phôi [28].
Bên cạnh đó, nhiều yếu tố khác trong hệ thống nuôi cấy phải được kiểm soát chặt chẽ bởi phòng thí nghiệm gồm nhiệt độ, độ pH trong nuôi cấy phôi, độ thẩm thấu của môi trường nuôi cấy, lớp dầu phủ trên môi trường, các vật tư tiêu hao, độ bụi…Yếu tố nhiệt độ có thể ảnh hưởng đến một số đặc điểm liên quan đến sinh lý giao tử và phôi, bao gồm quá trình trao đổi chất và sự ổn định của thoi vô sắc (Mitotic spindle - MS). MS là một cấu trúc tham gia vào quá trình phân tách nhiễm sắc thể tương đồng. Tính toàn vẹn của MS là rất quan trọng quá trình phân bào. Tuy nhiên, MS lại rất nhạy cảm với những thay đổi hóa học, vật lý, trong đó nhiệt độ ảnh hưởng đáng kể đến cấu trúc vi ống của thoi phân bào gây ra những bất lợi đáng kể trong phân chia nhiễm sắc thể [31].
Ngoài ra, các thông số phôi học có khả năng dự đoán cao. Số lượng noãn thụ tinh và số lượng phôi chất lượng cao liên quan đến tỷ lệ trẻ sinh sống tích lũy và tỷ lệ mang thai lâm sàng [32].
- Ứng dụng trí tuệ nhân tạo trong dự đoán khả năng thành công trong IVF
Kỹ thuật IVF đã phát triển đáng kể, kết hợp nhiều tiến bộ công nghệ để nâng cao hiệu quả. Tuy nhiên, tỷ lệ thành công của IVF vẫn chưa tối ưu, chỉ có khoảng một phần ba chu kỳ đạt kết quả mang thai và tỷ lệ nhỏ hơn sinh ra một em bé khỏe mạnh. Hiện nay, trí tuệ nhân tạo (Artificial intelligence – AI) có tiềm năng tối ưu hóa một số khía cạnh trong IVF.
-
- Ứng dụng AI trong phòng thí nghiệm
Việc cá nhân hóa các phác đồ phù hợp để tối ưu hóa số lượng và chất lượng noãn thu được, tuy nhiên AI không có khả năng nâng cao chất lượng noãn. AI có thể đóng vai trò quan trọng trong việc kiểm soát chất lượng của các phòng thí nghiệm IVF [33], bằng cách liên tục giám sát các chỉ số hiệu suất chính và giúp nâng cao điều kiện phòng thí nghiệm, hệ thống AI có thể đảm bảo duy trì các tiêu chuẩn cao nhất, do đó tăng tính nhất quán và độ tin cậy của kết quả IVF. Khả năng lập kế hoạch và tối ưu hóa quy trình làm việc của AI cũng có thể nâng cao hiệu quả của các quy trình IVF, giảm sự chậm trễ và đảm bảo xử lý kịp thời giao tử và phôi [34]. Ngoài ra, AI có thể cải thiện việc lựa chọn giao tử và phôi bằng cách cung cấp các đánh giá khách quan dựa trên dữ liệu hình thái và di truyền [35], [36], giảm tính chủ quan và sự biến đổi liên quan đến các đánh giá thủ công. Tuy nhiên, mặc dù AI có thể chuẩn hóa một số quy trình nhất định, nhưng tác động trực tiếp đến việc cải thiện tỷ lệ thành công của IVF vẫn cần thêm các thử nghiệm với quy mô lớn [33].
-
- Ứng dụng trong lâm sàng
Các phác đồ kích thích buồng trứng rất quan trọng đối với sự thành công trong IVF để tạo ra phôi hữu dụng [37]. Cá nhân hóa việc kích thích buồng trứng ngày càng trở nên quan trọng do sự khác biệt về đặc điểm người bệnh như tuổi, dự trữ buồng trứng, hormone…Tuy nhiên, việc cá nhân hóa từng phác đồ kích thích buồng trứng vẫn còn là một thách thức, bao gồm hội chứng quá kích buồng trứng, chất lượng noãn kém, tỷ lệ thành công trong IVF thấp. Ứng dụng AI giúp cá nhân hóa các phác đồ kích thích buồng trứng thông qua tập dữ liệu khổng lồ và các kỹ thuật phân tích tiên tiến. AI có thể phân tích các tập dữ liệu lớn bao gồm các đặc điểm của bệnh nhân, phản ứng đối với các phác đồ kích thích và kết quả IVF [38]. Ngoài ra, AI có thể cung cấp những thông tin phân tích truyền thống có thể bị bỏ sót và các mối tương quan giữa các thông tin với nhau. Đồng thời, có thể ứng dụng AI để dự đoán, ước tính loại và liều lượng thuốc tối ưu cho bệnh nhân, hoặc có thể xem xét các yếu tố như tuổi, BMI, số lượng nang noãn, AMH. Các mô hình AI có thể dự đoán ngày tối ưu theo từng bệnh nhân, lựa chọn ngày kích thích và số lượng noãn [39]. Hệ thống AI có thể tích hợp dữ liệu từ các chu kỳ IVF trước đó để điều chỉnh các dự đoán cho các lần điều trị tiếp theo giúp cải thiện kết quả lâm sàng.
- Kết luận
Thành công của thụ tinh trong ống nghiệm là kết quả của nhiều yếu tố, bao gồm yếu tố từ mẹ, từ bố, chất lượng phôi và điều kiện của phòng thí nghiệm phôi. Trong đó, tuổi mẹ, dự trữ buồng trứng, BMI, nội mạc tử cung, chất lượng tinh trùng, mức độ phân mảnh DNA tinh trùng và chất lượng phôi… đều là những yếu tố có thể dự đoán kết quả điều trị. Bên cạnh đó, hệ thống nuôi cấy và các điều kiện xung quanh trong phòng thí nghiệm cũng giữ vai trò quan trọng trong việc hỗ trợ sự phát triển của phôi và khả năng làm tổ.
Ngoài ra, ứng dụng trí tuệ nhân tạo đang triển vọng trong lĩnh vực hỗ trợ sinh sản, đặc biệt trong việc phân tích dữ liệu, hỗ trợ lựa chọn giao tử – phôi, kiểm soát chất lượng phòng thí nghiệm và cá thể hóa phác đồ điều trị... AI là công cụ giúp nâng cao tính khách quan, độ chính xác và hiệu quả trong dự đoán kết quả IVF. Việc ứng dụng AI có thể góp phần cải thiện tỷ lệ thành công của kỹ thuật IVF.
Tài liệu tham khảo:
[1] Y. Liang và c.s., “Global, regional, and national prevalence and trends of infertility among individuals of reproductive age (15-49 years) from 1990 to 2021, with projections to 2040”, Hum Reprod, vol 40, số p.h 3, tr 529–544, tháng 3 2025, doi: 10.1093/humrep/deae292.
[2] R. Tenchov và Q. A. Zhou, “Assisted Reproductive Technology: A Ray of Hope for Infertility”, ACS Omega, vol 10, số p.h 22, tr 22347–22365, tháng 6 2025, doi: 10.1021/acsomega.5c01643.
[3] J. Wu, L. Zhang, và X. Wang, “Maturation and apoptosis of human oocytes in vitro are age-related”, Fertil Steril, vol 74, số p.h 6, tr 1137–1141, tháng 12 2000, doi: 10.1016/s0015-0282(00)01597-1.
[4] A. Templeton, J. K. Morris, và W. Parslow, “Factors that affect outcome of in-vitro fertilisation treatment”, Lancet, vol 348, số p.h 9039, tr 1402–1406, tháng 11 1996, doi: 10.1016/S0140-6736(96)05291-9.
[5] A. Capalbo, E. R. Hoffmann, D. Cimadomo, F. M. Ubaldi, và L. Rienzi, “Human female meiosis revised: new insights into the mechanisms of chromosome segregation and aneuploidies from advanced genomics and time-lapse imaging”, Hum Reprod Update, vol 23, số p.h 6, tr 706–722, tháng 11 2017, doi: 10.1093/humupd/dmx026.
[6] A. Vaiarelli, D. Cimadomo, N. Ubaldi, L. Rienzi, và F. M. Ubaldi, “What is new in the management of poor ovarian response in IVF?”, Curr Opin Obstet Gynecol, vol 30, số p.h 3, tr 155–162, tháng 6 2018, doi: 10.1097/GCO.0000000000000452.
[7] F. M. Ubaldi và c.s., “Advanced Maternal Age in IVF: Still a Challenge? The Present and the Future of Its Treatment”, Front Endocrinol (Lausanne), vol 10, tr 94, tháng 2 2019, doi: 10.3389/fendo.2019.00094.
[8] P. B. Maseelall, A. E. Hernandez-Rey, C. Oh, T. Maagdenberg, D. H. McCulloh, và P. G. McGovern, “Antral follicle count is a significant predictor of livebirth in in vitro fertilization cycles”, Fertil Steril, vol 91, số p.h 4 Suppl, tr 1595–1597, tháng 4 2009, doi: 10.1016/j.fertnstert.2008.11.001.
[9] R. Gomez và c.s., “The influence of AMH on IVF success”, Arch Gynecol Obstet, vol 293, số p.h 3, tr 667–673, tháng 3 2016, doi: 10.1007/s00404-015-3901-0.
[10] F. Salemi và c.s., “The best ovarian reserve marker to predict ovarian response following controlled ovarian hyperstimulation: a systematic review and meta-analysis”, Syst Rev, vol 13, số p.h 1, tr 303, tháng 12 2024, doi: 10.1186/s13643-024-02684-0.
[11] X. Wang, Y. Xiao, Y. Zhou, và H. Wang, “Development speed of sibling embryo positively reflects live birth rate after fresh day 3 embryo transfer”, Scientific Reports, vol 13, số p.h 1, tr 6402, 2023.
[12] C. Tang và F. Tu, “Impact of maternal body mass index on pregnancy outcomes following frozen embryo transfer: A systematic review and meta-analysis”, PLoS One, vol 20, số p.h 3, tr e0319012, tháng 3 2025, doi: 10.1371/journal.pone.0319012.
[13] M. B. Gonzalez, R. L. Robker, và R. D. Rose, “Obesity and oocyte quality: significant implications for ART and emerging mechanistic insights”, Biol Reprod, vol 106, số p.h 2, tr 338–350, tháng 2 2022, doi: 10.1093/biolre/ioab228.
[14] N. Sermondade và c.s., “Female obesity is negatively associated with live birth rate following IVF: a systematic review and meta-analysis”, Hum Reprod Update, vol 25, số p.h 4, tr 439–451, tháng 7 2019, doi: 10.1093/humupd/dmz011.
[15] G. Krikun, C. J. Lockwood, và M. J. Paidas, “Tissue factor and the endometrium: From physiology to pathology”, Thrombosis Research, vol 124, số p.h 4, tr 393–396, tháng 9 2009, doi: 10.1016/j.thromres.2009.06.013.
[16] G. Moshkalova và c.s., “Endometrial thickness and live birth rates after IVF: a systematic review”, Acta Biomed, vol 94, số p.h 3, tr e2023152, 2023, doi: 10.23750/abm.v94i3.14437.
[17] N. Mahutte, M. Hartman, L. Meng, A. Lanes, Z.-C. Luo, và K. E. Liu, “Optimal endometrial thickness in fresh and frozen-thaw in vitro fertilization cycles: an analysis of live birth rates from 96,000 autologous embryo transfers”, Fertil Steril, vol 117, số p.h 4, tr 792–800, tháng 4 2022, doi: 10.1016/j.fertnstert.2021.12.025.
[18] X. Yuan, S. H. Saravelos, Q. Wang, Y. Xu, T.-C. Li, và C. Zhou, “Endometrial thickness as a predictor of pregnancy outcomes in 10787 fresh IVF-ICSI cycles”, Reprod Biomed Online, vol 33, số p.h 2, tr 197–205, tháng 8 2016, doi: 10.1016/j.rbmo.2016.05.002.
[19] N. Aslih, Y. Atzmon, A. Bilgory, Y. Shibli Abu Raya, M. Sharqawi, và E. Shalom-Paz, “Does Endometrial Thickness or Compaction Impact the Success of Frozen Embryo Transfer? A Cohort Study Analysis”, J Clin Med, vol 13, số p.h 23, tr 7254, tháng 11 2024, doi: 10.3390/jcm13237254.
[20] V. Tomic, M. Kasum, và K. Vucic, “Impact of embryo quality and endometrial thickness on implantation in natural cycle IVF”, Arch Gynecol Obstet, vol 301, số p.h 5, tr 1325–1330, 2020, doi: 10.1007/s00404-020-05507-4.
[21] H. W. Michelmann, “Minimal criteria of sperm quality for insemination and IVF therapy”, Int J Androl, vol 18 Suppl 2, tr 81–87, tháng 12 1995.
[22] “Are sperm parameters able to predict the success of assisted reproductive technology? A retrospective analysis of over 22,000 assisted reproductive technology cycles - Villani - 2022 - Andrology - Wiley Online Library”. Truy cập: 18 Tháng Ba 2026. [Online]. Available at: https://onlinelibrary.wiley.com/doi/10.1111/andr.13123#andr13123-bib-0009
[23] P. Yifu, Y. Lei, L. Shaoming, G. Yujin, và Z. Xingwang, “Sperm DNA fragmentation index with unexplained recurrent spontaneous abortion: A systematic review and meta-analysis”, J Gynecol Obstet Hum Reprod, tr 101740, tháng 4 2020, doi: 10.1016/j.jogoh.2020.101740.
[24] F. Li, X. Duan, M. Li, và X. Ma, “Sperm DNA fragmentation index affect pregnancy outcomes and offspring safety in assisted reproductive technology”, Sci Rep, vol 14, số p.h 1, tr 356, tháng 1 2024, doi: 10.1038/s41598-023-45091-6.
[25] C.-H. Yu, R.-P. Zhang, J. Li, và Z.-C. A, “A predictive model for high-quality blastocyst based on blastomere number, fragmentation, and symmetry”, J Assist Reprod Genet, vol 35, số p.h 5, tr 809–816, tháng 5 2018, doi: 10.1007/s10815-018-1132-6.
[26] A. Huniadi và c.s., “Aneuploidy Patterns and Chaotic Embryos in IVF: Age-Stratified Analysis and Re-Biopsy Outcomes from a Romanian Cohort”, Medicina (Kaunas), vol 62, số p.h 2, tr 247, tháng 1 2026, doi: 10.3390/medicina62020247.
[27] A. Hochberg, L. Amoura, X. Y. Zhang, L. Zhang, M. H. Dahan, và A. Ao, “The correlation between blastocyst morphological parameters and chromosomal euploidy, aneuploidy and other chromosomal abnormalities following pre-implantation genetic testing—a single center retrospective study”, Arch Gynecol Obstet, vol 311, số p.h 3, tr 827–839, 2025, doi: 10.1007/s00404-025-07968-x.
[28] R. Sciorio và P. Rinaudo, “Culture conditions in the IVF laboratory: state of the ART and possible new directions”, J Assist Reprod Genet, vol 40, số p.h 11, tr 2591–2607, tháng 11 2023, doi: 10.1007/s10815-023-02934-5.
[29] D. K. Gardner và M. Lane, “Culture and selection of viable blastocysts: a feasible proposition for human IVF?”, Hum Reprod Update, vol 3, số p.h 4, tr 367–382, 1997, doi: 10.1093/humupd/3.4.367.
[30] M. C. Summers và J. D. Biggers, “Chemically defined media and the culture of mammalian preimplantation embryos: historical perspective and current issues”, Hum Reprod Update, vol 9, số p.h 6, tr 557–582, 2003, doi: 10.1093/humupd/dmg039.
[31] L. Rienzi, F. Ubaldi, M. Iacobelli, M. G. Minasi, S. Romano, và E. Greco, “Meiotic spindle visualization in living human oocytes”, Reproductive BioMedicine Online, vol 10, số p.h 2, tr 192–198, tháng 1 2005, doi: 10.1016/S1472-6483(10)60940-6.
[32] L. Zhu, T. Lin, X. Yang, và D. Zhang, “Nomogram to predict cumulative live birth rate following in vitro fertilization/intracytoplasmic sperm injection cycles in patients with endometriosis”, BMC Pregnancy Childbirth, vol 25, số p.h 1, tr 38, tháng 1 2025, doi: 10.1186/s12884-025-07147-5.
[33] P. Cherouveim, C. Velmahos, và C. L. Bormann, “Artificial intelligence for sperm selection—a systematic review”, Fertility and Sterility, vol 120, số p.h 1, tr 24–31, tháng 7 2023, doi: 10.1016/j.fertnstert.2023.05.157.
[34] D. K. Gardner, “‘The way to improve ART outcomes is to introduce more technologies in the laboratory’”, Reproductive BioMedicine Online, vol 44, số p.h 3, tr 389–392, tháng 3 2022, doi: 10.1016/j.rbmo.2021.10.021.
[35] “Should there be an ‘AI’ in TEAM? Embryologists selection of high implantation potential embryos improves with the aid of an artificial intelligence algorithm | Journal of Assisted Reproduction and Genetics | Springer Nature Link”. Truy cập: 1 Tháng Tư 2026. [Online]. Available at: https://link.springer.com/article/10.1007/s10815-021-02318-7
[36] M. F. Kragh và H. Karstoft, “Embryo selection with artificial intelligence: how to evaluate and compare methods?”, J Assist Reprod Genet, vol 38, số p.h 7, tr 1675–1689, tháng 7 2021, doi: 10.1007/s10815-021-02254-6.
[37] D. Glujovsky, R. Pesce, M. Miguens, C. E. Sueldo, K. Lattes, và A. Ciapponi, “How effective are the non-conventional ovarian stimulation protocols in ART? A systematic review and meta-analysis”, J Assist Reprod Genet, vol 37, số p.h 12, tr 2913–2928, tháng 12 2020, doi: 10.1007/s10815-020-01966-5.
[38] C. L. Curchoe và C. L. Bormann, “Artificial intelligence and machine learning for human reproduction and embryology presented at ASRM and ESHRE 2018”, J Assist Reprod Genet, vol 36, số p.h 4, tr 591–600, tháng 4 2019, doi: 10.1007/s10815-019-01408-x.
[39] G. Letterie, A. MacDonald, và Z. Shi, “An artificial intelligence platform to optimize workflow during ovarian stimulation and IVF: process improvement and outcome-based predictions”, Reproductive BioMedicine Online, vol 44, số p.h 2, tr 254–260, tháng 2 2022, doi: 10.1016/j.rbmo.2021.10.006.
