在最近的《生育与不育》综述中，研究人员总结了人工智能(AI)和机器学习在精子选择中的应用的现有证据。
所有相关文章均来自PubMed Central、Web of Science和MEDLINE-Academic数据库。初步检索共发现261篇文章;然而，根据纳入标准，选择了34篇文章。
即时通讯精子选择的重要性
在全球范围内，超过1亿人遇到与不孕症有关的问题，其中男性因素导致高达50%的这些病例。
精液分析与精子形态、活力和DNA完整性的研究有关，对男性因素性不育症的诊断和后续治疗至关重要。基于各种参数，胚胎学家面临着从数百万个样本中选择单个精子的艰巨任务，这是一个艰难的过程，有很高的选择错误风险。
精液参数是受精和妊娠结局的重要预后指标。如果分析表明精液参数不理想，可采用辅助生殖技术(ART)帮助精子克服女性生殖道障碍，从而提高受孕的可能性。
由于缺乏适当的精子选择，全球ART的成功率仍然相对较低。尽管技术进步了，但最终的精子选择主要是由胚胎学家按照世界卫生组织(WHO)的标准手动进行的。精子选择是至关重要的，因为单精子是胞浆内单精子注射(ICSI)所必需的。
世卫组织提供了基于形态的正确精子选择指南，包括精子头长、液泡存在与否、圆形度和运动性。然而，胚胎学家没有足够的时间对整个精子进行全面评估，这可能会影响ART的成功。在这里，人工智能可以用于提高精子选择的效率。
人工智能和机器学习用于精子选择
先前的研究表明，人工智能可以持续有效地识别具有最佳发育和植入潜力的胚胎。人工智能还可以减少胚胎学家与视觉评估和人工胚胎分级相关的时间和精力。
机器学习算法能够处理大型数据集，类似于胚胎评估期间评估的大量数据。因此，该技术可以通过耦合遗传和视觉数据来实现精子选择过程的自动化。在ART实验室实施人工智能和机器学习算法可以显著提高胚胎学家的精子选择能力。
良好的精子形态表现为光滑的卵形头部，没有大/多个液泡，顶体覆盖头部的40-70%，中部细长，残留的细胞质可达头部大小的三分之一。人工智能算法可以根据现有模型对精子进行标准化和加速分析。此外，结合深度学习算法，精子形态的评估准确率可以达到98%左右。
人工智能和机器学习算法的性能取决于训练数据集图像的质量。为了在这些系统中获得更高的准确性，它们必须接受更大、更高质量的精子成像数据的训练。
在某些情况下，精子细胞非常容易受到精子头部的损伤，从而导致染色体畸变、DNA断裂和端粒缩短。男性生育能力与DNA片段化指数(DFI)呈负相关，而DNA片段化指数对精子选择极为重要。单细胞凝胶电泳(SCGE)、末端脱氧核苷酸转移酶(UTP)镍端标记(TUNEL)和精子染色质结构分析等技术用于检测DNA片段。
科学家通过将精子图像与相关的DFI值相关联来训练系统，开发了机器学习算法。这个标准化的系统可以基于训练过的数据集准确地评估单个精子的质量，从而消除了对人类主观性的任何担忧。
胚胎学家使用全息成像、计算机辅助精子分析(CASA)和微流控平台来确定精子的活力。CASA是一种高通量方法，可以在样本水平上评估大量精子，但不分析简单的精子活力。
这可以通过建立一个基于尾部跳动三维螺旋运动的数学模型来解决。高分辨率全息成像技术使科学家能够评估自由游动的精子拍打尾巴的模式。
与CASA、微流控芯片和全息成像相关的精子运动的多个数据用于训练人工智能系统，再加上其他男性生育参数，以选择最佳精子进行ART。因此，人工智能和机器学习技术的应用显著提高了抗逆转录病毒治疗后的受孕率和成功妊娠结局。
