Ultrasound in in vitro fertilization programs

Cover Image

Cite item

Full Text

Abstract

Currently, increasing attention is being paid to the value of ultrasound as an integral part of in vitro fertilization programs, which determines the relevance of the topic of this review. This review analyzes the main studies published in recent years and attempts to identify the leading method for assessing ovarian reserve and predicting in vitro fertilization outcome, which remains controversial. The paper evaluates advantages and limitations of two dimensional and three dimensional transvaginal ultrasound methods for counting ovarian follicles. Ultrasound characteristics of the endometrium and blood flow parameters in the uterine arteries are presented as possible predictors of the outcome of in vitro fertilization programs. The current options for transabdominal oocyte aspiration for in vitro fertilization programs are presented. The analysis of literature data concluded the high informational value of ultrasound for in vitro fertilization programs.

About the authors

Evgeniya V. Kirakosyan

City Clinical Hospital № 31

Author for correspondence.
Email: evgeniya.kirakosyan@gmail.com
ORCID iD: 0000-0002-6021-2449
SPIN-code: 4813-5625

MD, Cand. Sci. (Medicine)

Russian Federation, Moscow

References

  1. Li YW, Liang XW, Fang JH, Chen ZY. Application of ultrasound markers measured at different time points of COH cycle in the prediction of ovarian response for individualised ovulation induction. J Obstet Gynaecol. 2022;42(5):1467–1473. doi: 10.1080/01443615.2021.2004101
  2. Ozerskaya IA. Manual on ultrasound diagnostics in obstetrics and gynecology: textbook. Moscow: MEDpress Inform; 2021. (In Russ.). EDN: RNUAOE doi: 10.24421/978-5-00030-860-8
  3. Coelho Neto MA, Ludwin A, Borrell A, et al. Counting ovarian antral follicles by ultrasound: a practical guide. Ultrasound Obstet Gynecol. 2018;51(1):10–20. doi: 10.1002/uog.18945
  4. Zhang Y, Xu Y, Xue Q, et al. Discordance between antral follicle counts and anti Müllerian hormone levels in women undergoing in vitro fertilization. Reprod Biol Endocrinol. 2019;17(1):51. doi: 10.1186/s12958-019-0497-4
  5. Wang X, Jin L, Mao YD, et al. Evaluation of Ovarian Reserve Tests and Age in the Prediction of Poor Ovarian Response to Controlled Ovarian Stimulation A Real World Data Analysis of 89,002 Patients. Front Endocrinol (Lausanne). 2021;12:702061. doi: 10.3389/fendo.2021.702061
  6. Arvis P, Rongières C, Pirrello O, Lehert P. Reliability of AMH and AFC measurements and their correlation: a large multicenter study. J Assist Reprod Genet. 2022;39(5):1045–1053. doi: 10.1007/s10815-022-02449-5
  7. Liu Y, Pan Z, Wu Y, et al. Comparison of anti Müllerian hormone and antral follicle count in the prediction of ovarian response: a systematic review and meta analysis. J Ovarian Res. 2023;16(1):117. doi: 10.1186/s13048-023-01202-5
  8. Jacobs MH, Reuter LM, Baker VL, et al. A multicentre evaluation of the Elecsys anti Müllerian hormone immunoassay for prediction of antral follicle count. Reprod Biomed Online. 2019;38(5):845–852. doi: 10.1016/j.rbmo.2018.12.041
  9. Razafintsalama Bourdet M, Bah M, Amand G, et al. Random antral follicle count performed on any day of the menstrual cycle has the same predictive value as AMH for good ovarian response in IVF cycles. J Gynecol Obstet Hum Reprod. 2022;51(1):102233. doi: 10.1016/j.jogoh.2021.102233
  10. Rombauts L, Onwude JL, Chew HW, Vollenhoven BJ. The predictive value of antral follicle count remains unchanged across the menstrual cycle. Fertil Steril. 2011;96(6):1514–1518. doi: 10.1016/j.fertnstert.2011.09.005
  11. Filippi F, Martinelli F, Paffoni A, et al. Fertility preservation in women with malignancies: the accuracy of antral follicle count collected randomly during the menstrual cycle in predicting the number of oocytes retrieved. J Assist Reprod Genet. 2019;36(3):569–578. doi: 10.1007/s10815-018-1377-0
  12. Chen Q, Sun L, Huang J, et al. Three dimensional transvaginal ultrasonography in the evaluation of diminished ovarian reserve and premature ovarian failure. Pak J Med Sci. 2023;39(3):747–751. doi: 10.12669/pjms.39.3.7372
  13. Mathur P, Kakwani K, Diplav, et al. Deep Learning based Quantification of Ovary and Follicles using 3D Transvaginal Ultrasound in Assisted Reproduction. Annu Int Conf IEEE Eng Med Biol Soc. 2020;2020:2109–2112. doi: 10.1109/EMBC44109.2020.9176703
  14. Srivastava D, Gupta S, Kudavelly S, et al. Unsupervised Deep Learning based Longitudinal Follicular Growth Tracking during IVF Cycle using 3D Transvaginal Ultrasound in Assisted Reproduction. Annu Int Conf IEEE Eng Med Biol Soc. 2021;2021:3209–3212. doi: 10.1109/EMBC46164.2021.9630495
  15. Raine Fenning N, Jayaprakasan K, Deb S, et al. Automated follicle tracking improves measurement reliability in patients undergoing ovarian stimulation. Reprod Biomed Online. 2009;18(5):658–663. doi: 10.1016/s1472-6483(10)60010-7
  16. Re C, Mignini Renzini M, Rodriguez A, et al. From a circle to a sphere: the ultrasound imaging of ovarian follicle with 2D and 3D technology. Gynecol Endocrinol. 2019;35(3):184–189. doi: 10.1080/09513590.2018.1522297
  17. Yang J, Gao J, Wang Y, et al. Impact of follicular size categories on oocyte quality at trigger day in young and advanced age patients undergoing GnRH-ant therapy. Front Endocrinol (Lausanne). 2023;14:1167395. doi: 10.3389/fendo.2023.1167395
  18. Abbara A, Patel A, Hunjan T, et al. FSH Requirements for Follicle Growth During Controlled Ovarian Stimulation. Front Endocrinol (Lausanne). 2019;10:579. doi: 10.3389/fendo.2019.00579
  19. Shapiro BS, Rasouli MA, Verma K, et al. The effect of ovarian follicle size on oocyte and embryology outcomes. Fertil Steril. 2022;117(6):1170–1176. doi: 10.1016/j.fertnstert.2022.02.017
  20. Liang X, Zeng F, Li H, et al. Deep Learning Based Two Dimensional Ultrasound for Follicle Monitoring in Infertility Patients. BIOI. 2023;4(3):125–131. doi: 10.15212/bioi-2022-0024
  21. Liang X, Liang J, Zeng F, et al. Evaluation of oocyte maturity using artificial intelligence quantification of follicle volume biomarker by three dimensional ultrasound. Reprod Biomed Online. 2022;45(6):1197–1206. doi: 10.1016/j.rbmo.2022.07.012
  22. Devine K, Dolitsky S, Ludwin I, Ludwin A. Modern assessment of the uterine cavity and fallopian tubes in the era of high efficacy assisted reproductive technology. Fertil Steril. 2022;118(1):19–28. doi: 10.1016/j.fertnstert.2022.05.020
  23. Kasius A, Smit JG, Torrance HL, et al. Endometrial thickness and pregnancy rates after IVF: a systematic review and meta analysis. Hum Reprod Update. 2014;20(4):530–541. doi: 10.1093/humupd/dmu011
  24. Zhang T, He Y, Wang Y, et al. The role of three dimensional power Doppler ultrasound parameters measured on hCG day in the prediction of pregnancy during in vitro fertilization treatment. Eur J Obstet Gynecol Reprod Biol. 2016;203:66–71. doi: 10.1016/j.ejogrb.2016.05.016
  25. Wu J, Sheng J, Wu X, Wu Q. Ultrasound assessed endometrial receptivity measures for the prediction of in vitro fertilization embryo transfer clinical pregnancy outcomes: A meta analysis and systematic review. Exp Ther Med. 2023;26(3):453. doi: 10.3892/etm.2023.12152
  26. ESHRE Working Group on Ultrasound in ART; D’Angelo A, Panayotidis C, Amso N, et al. Recommendations for good practice in ultrasound: oocyte pick up. Hum Reprod Open. 2019;2019(4):hoz025. doi: 10.1093/hropen/hoz025
  27. Roman Rodriguez CF, Weissbrot E, Hsu CD, et al. Comparing transabdominal and transvaginal ultrasound guided follicular aspiration: A risk assessment formula. Taiwan J Obstet Gynecol. 2015;54(6):693–699. doi: 10.1016/j.tjog.2015.02.004
  28. Sönmezer M, Gülümser Ç, Sönmezer M, et al. Transabdominal ultrasound guided oocyte retrieval using vaginal ultrasound probe: Definition of the technique. J Obstet Gynaecol Res. 2021;47(2):800–806. doi: 10.1111/jog.14618
  29. Sönmezer M, Saçıntı KG, Gülümser Ç, et al. Transabdominal ultrasound guided oocyte retrieval for oocyte cryopreservation using a vaginal probe: a comparison of applicability, effectiveness, and safety with conventional transvaginal approach. J Assist Reprod Genet. 2023;40(2):399–405. doi: 10.1007/s10815-022-02705-8
  30. Raziel A, Vaknin Z, Schachter M, et al. Ultrasonographic guided percutaneous transabdominal puncture for oocyte retrieval in a rare patient with Rokitansky syndrome in an in vitro fertilization surrogacy program. Fertil Steril. 2006;86(6):1760–1763. doi: 10.1016/j.fertnstert.2006.05.039
  31. Barton SE, Politch JA, Benson CB, et al. Transabdominal follicular aspiration for oocyte retrieval in patients with ovaries inaccessible by transvaginal ultrasound. Fertil Steril. 2011;95(5):1773–1776. doi: 10.1016/j.fertnstert.2011.01.006

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».