威尔康奈尔大学医学研究人员的一种新的人工智能方法可以非常准确地识别一个5天大的体外受精人类胚胎是否有很大的潜力成功怀孕。这项技术可以分析早期胚胎的延时图像，可以提高体外受精(IVF)的成功率，并将多胎妊娠的风险降至最低。
据估计，大约8%的育龄妇女患有不孕症。虽然体外受精已经帮助了数百万人生育，但美国的平均成功率约为45%。
在4月4日发表在《NPJ数字医学》上的这项研究中，研究人员使用了1.2万张受精后110小时拍摄的人类胚胎照片，来训练人工智能算法区分胚胎质量差和好。为了达到这个名称，胚胎学家首先考虑胚胎外观的各个方面，给每个胚胎分配一个等级。然后，研究人员进行了统计分析，将胚胎等级与成功怀孕的概率联系起来。如果几率大于58%，则认为胚胎质量良好，如果几率低于35%，则认为胚胎质量较差。经过训练和验证，这个被称为Stork的算法能够对一组新图像的质量进行分类，准确率达到97%。
“通过将新技术引入体外受精领域，我们可以将非常依赖人类主观判断的过程自动化和标准化。这项开创性的工作为我们提供了一扇窗口，让我们了解这一领域的未来前景，”威尔康奈尔医学和纽约长老会医学罗纳德·o·佩雷尔曼和克劳迪娅·科恩生殖医学中心主任兼首席医生泽夫·罗森瓦克斯博士说。
目前，选择最有可能发育成健康妊娠的胚胎是一个主观过程。即使在经验丰富的胚胎学家中，关于如何根据胚泡期的外观来预测单个胚胎的生存能力的意见也很低，胚泡期仅由200-300个细胞组成。
“我们希望开发一种客观的方法，可以用于标准化和优化选择过程，以提高体外受精的成功率，”威尔康奈尔医学生殖医学中心胚胎学实验室的联合高级作者兼主任Nikica Zaninovic博士说，研究人员花了六个多月的时间审查了大约5万张匿名图像，代表10148个人类胚胎，这些图像是在七年时间内通过延时摄影收集的。根据胚胎学家指定的等级和对妊娠结果的后知后觉，研究人员可以将胚胎分为良好、一般或较差的质量。最终，他们使用了两组6000张图像(质量好坏)来教算法如何对呈现给它的新图像进行分类。
“据我们所知，这是第一次有人将深度学习算法应用于具有如此大量图像的人类胚胎，”该研究的主要作者、计算生物医学博士后佩加·科斯拉维(Pegah Khosravi)博士说。
深度学习是一种人工智能方法，它大致模仿了大脑的神经网络，以越来越复杂的层次分析信息。当计算机获得新信息时，它识别所需模式的能力就会自动提高，无论这些模式是健康胚胎的特征，还是肺癌肿瘤细胞的特征。训练数据集的大小对算法的成功至关重要，更多的数据会带来更好的结果。
“我们的算法将帮助胚胎学家最大限度地提高他们的病人有一次健康怀孕的机会，”威尔康奈尔医学院卡里尔和以色列英格兰精确医学研究所所长奥利维尔·埃门托博士说。“试管婴儿程序将保持不变，但我们将能够通过利用人工智能的力量来改善结果。”
虽然Stork可以以很高的准确度选择优质胚胎，但之前的研究表明，只有80%的怀孕成功率依赖于胚胎质量。特别是，母亲的年龄与子宫内胚胎着床成功率的降低有关。
生育专家通常会植入多个胚胎，以最大限度地提高一次成功分娩的几率，但这个过程并不精确，可能会导致多胎妊娠，这也有其自身的风险，比如出生体重过低、早产和孕产妇并发症。因此，研究人员开发了另一种计算方法，可以考虑到母亲的年龄和多个胚胎的质量，以确定实现单胎活产的最佳组合。
扎尼诺维奇博士说:“我们正在努力为每个病人量身定做治疗过程，因为不是每个病人都一样。”“我们希望用精准医疗来做个性化医疗，以获得最好的效果。”
利用2182个胚胎的临床数据，研究人员创建了一个决策树，通过结合胚胎质量和患者年龄(作为最重要的临床变量)来评估成功怀孕率。他们还提供了概率分析，旨在优化胚胎选择和最大限度地提高单胎妊娠的可能性。
Stork目前是一种调查工具，研究人员计划结合额外的临床和技术参数来改进算法。
“非常重要的是，我们可以在这里组建一个团队，其中包括计算机科学家、精确医学专家、胚胎学家和临床医生，”联合资深作者、计算基因组学教授、英格兰精确医学研究所成员Iman Hajirasouliha博士说。“我们需要一个拥有广泛专业知识的强大团队来解决这个问题。”
来源:https://news.weill.cornell.edu/news/2019/04/artificial-intelligence-approach-optimizes-embryo-selection-for-ivf
