AI已用於評估胚胎存活成功率：預測準確度高達76％ 可幫助作出最優選擇

據外媒報道，人工智慧技術（AI）已經可以幫助那些希望通過試管嬰兒孕育生命的家庭選擇最具活力的胚胎。

（圖源：WNDU 16）

對於飽受不育症折磨的患者及家屬來說，整個治療過程就像一趟精神上與經濟上雙方面的大考驗。許多嘗試受孕的夫婦在試管嬰兒周期中，常常出現多次無明確緣由的失敗，這會給他們的情感造成很大的負擔。

多次體外受精（IVF）循環失敗，卻找不出根本的原因和解決辦法，讓心碎的患者及家屬一次次面臨崩潰。據估計，大約三分之二的患者最終都等不到成功的解決方案。

一家公司開發了一套專門的AI療程，可以通過AI技術診斷。

此前，AI已經被用來嘗試解決一些重大的醫療保健挑戰。例如，IBM開發了一種預測心力衰竭的計算模型，並將Watson超級計算機用於紐約的史隆·凱特琳紀念癌症中心，以開發癌症診斷和治療選擇計劃。

該項目被稱為「沃森基因解決方案」（Watson for Genomes），每月會學習大約10,000篇科學文章和100份新的臨床試驗報告，並定期產生新的見解，從而提升分析能力。

斯坦福大學也開發出了一種深度學習演算法，用於預測藥物化合物的安全性，另一種用於預測肺癌類型和患者存活率。而英特爾最近也宣布了一項競賽，旨在找到一種早期發現肺癌的演算法。

將AI用於不育症的想法，已經存在了二十年。目前可用的最接近的解決方案是FDA批准的早期胚胎活性評估測定技術——Eeva測試。該測試使用延時成像顯微鏡，收集胚胎培養期間的一系列數據，並預測哪個胚胎最有可能獲得好的發育。

然而，這不是真正的AI，因為演算法是靜態的——當面對新信息時它不匹配，需要隨時再調整。真正的人工智慧系統，則可以使用「深度學習」，基於新信息動態來改進自身。深度學習中的「學習」是通過培訓實現的：將數百或數千個數據點輸入模型，以便預測未來結果——然後將預測與實際結果進行比較，然後模型重新調整自身。輸入值可以是文本、聲音、信號，以及醫療應用影像。

雖然用於IVF的AI系統仍處於試驗階段，但迄今為止的結果顯示，這些研究和進展很有希望。例如，在一個系統中，系統使用與奶牛胚胎成像，來識別最可能存活的那些胚胎。這項於近期發表於《自然》子刊Scientific Data的研究中。總的來說，人工智慧系統的準確率為76％，可以捕捉到人工無法識別的不良胚胎信號的微小細節。

對於人類不孕症，一個新的AI初創公司Life Whisperer成為了這一領域頗受關注的對象。它的目標是解決AI從理論到試驗階段，再到真正人類胚胎的過程中，所遇到的各種難題。蘋果聯合創始人Steve Wozniak已經將Life Whisperer評為Talent Unleashed Awards「最佳創意-最受矚目」類別的全球冠軍。

當然，初創公司沒有授權將其結果公布給同行來評審。Life Whisperer表示，與其商業合作夥伴Monash IVF進行的回顧性試驗表明，「在鑒定可存活的胚胎方面，具有高水平的準確性」。

此外，鑒定可存活的胚胎只是體外受精的第一個障礙。那些胚胎然後必須轉移到人母體中——並且與不育症鬥爭的女性通常年齡大於35歲，她們經常經歷反覆植入失敗而沒有解釋，並且可能患有已知的生育疾病，例如子宮內膜異位症。

用於不孕症護理的真正「端到端」AI，必須要整合複雜（和多樣化）數據集。這些數據集目前分布於眾多醫院中，在多個不兼容的系統中進行管理，由於它們之間往往互不相通，給AI學習造成了很大的挑戰。患者人口統計學、醫療病史、藥物療法、植入前遺傳篩查和臨床妊娠結局數據，這些龐大而散亂的資料庫。這將有助於醫生在幾種成功率最高的治療方案中進行選擇，並根據患者對治療的反應獲取新的信息。

在臨床胚胎學中，我們還不知道哪些是最能預測IVF成功的特徵或變數。對於成功的IVF周期而言，最重要的變數可能仍然是科學所不知道的——但原則上可以通過AI系統發現。當然，因為我們很可能還未發現那些最重要的變數，人類專家必須「訓練」AI，導致我們自己的偏見可能放大，或完全忽略某些類型的數據。人工智慧技術具有巨大的潛力，可以幫助不孕症醫學領域超越目前對個體胚胎的狹隘關注，並發現隱藏在患者數據中的新模式，從而用於有效治療頑固性不孕症。

不良的生活習慣會影響卵子尤其是精子的質量。日本橫濱市立大學和橫濱國立大學就開發了一套能夠利用人工智慧發現精液當中精子的支援系統，以增加體外受精的成功率，並將醫生從繁重的篩選工作當中解放出來。AI學會了如何區別精子和白細胞；然後，該系統擁有一個能夠自由設置監測精度的設置。AI會根據所設定的精度，把大部分與精子相似的細胞排出，使精子的數量和質量都得到保證。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！