近日,据国外媒体报道,来自 Weill Cornell Medicine 的研究人员采用了一种新的人工智能技术来评估 5 天大的体外受精人工胚胎是否具有成功妊娠的潜力。该技术通过分析早期胚胎的延时图像来帮助提高体外受精的成功率,并同时最大程度降低多胎妊娠的风险。
如此看来,用AI技术来辅助生殖,已经成为AI技术应用的下一个重要方向之一。
其实,人类想利用AI操作辅助生殖项目的想法已经不是一天两天了,早在20多年前算法就开始介入了人类辅助生殖的梦想。Eeve测试是目前唯一获FDA批准的胚胎选择辅助手段,它的本质是一项早期胚胎活性评估技术,其目的是在胚胎培养期间利用显微镜收集数据,然后由一套完整的算法对哪个胚胎能够有最佳的发育前景做出预测。但是20多年前,人工智能的技术还未产生质的突破,因此这一套预测胚胎算法实际上也称不上是真正的智能。因为该算法一旦成型便不能做出修改。与如今大行其道的深度学习不同,缺乏自我修正功能的Eeve测试只能停留在一个很低的预测水平。而如今,已有很多科学家将AI技术用于辅助生殖。
涉及生命科学的实验,无一例外地总是先从动物开始着手。一项发表于Nature子刊的研究称,一巴西团队已经设计出一套能够根据牛胚胎图像来识别最可能存活的胚胎。而且通过捕捉一些肉眼无法识别的细节,该系统的准确率目前达到了76%。
这一信号告诉我们通过图像来识别胚胎成活率可能是一件比较靠谱的事情。那么看看智能医疗在影像识别这方面是否有什么大的突破?在CT扫描阶段,胰腺癌是一项很难在早期扫描中被发现的疾病。因此,患者往往到了癌症晚期才知道自己患癌的事实。而五年7%的存活率使胰腺癌几乎成为所有癌症当中存活率最低的一种病。
人力难以完成的任务,我们自然会想到借助非人的力量来解决问题。于是,在深度学习的加持下,放射诊疗出现了曙光。
约翰霍普金医院(世界上最大胰腺癌治疗中心之一)计划应用GPU加速深度学习的进程以期在早期发现胰腺癌的存在。因为约翰霍普金医院医院长期专注胰腺癌疾病的诊疗有着关于胰腺癌的海量数据,而这为机器进行深度学习提供了非常必要的工具。团队通过使用大约2000张CT扫描影像来训练检测胰腺癌的机器算法。
今年,该深度学习模型的准确率已经达到了90%。至此,我们可以判定以图像作为识别疾病基础的深度学习模型基本成熟。在人工智能辅助人类胚胎培育的大事中,我们可以将此深度学习模型借鉴到最佳胚胎的预测中来,把尽量多的文本、声波、信号、影响等一一输入算法预测模型,让AI系统来进行新信息的自我提取和自我改良。那么可以说,在不久的将来人工智能筛选胚胎届的“种子选手”将成为辅助生殖当中一种常态运作方式。
利用AI检测胚胎活力当然是辅助生殖当中很重要的一步。但是问题却在胚胎形成之前就出现了。而人工智能辅助生殖的手也应该伸得更长。
目前许多数据显示现代男性由于各种不良的生活习惯:抽烟、喝酒、熬夜等导致精子质量逐步下降。据统计现下超过一半的不孕不育都跟男性的精子质量有关——在低浓度的精液当中如何取出几个能用的精子成为一个很麻烦的问题。医生通常需要耗费数个小时甚至几天的时间才能够发现可以进行人工受孕的精子。所以,如何尽可能又快又准地筛选出精液当中的精华,做到不损“一兵一卒”是一个在辅助生殖当中急需解决的问题。
正好,日本的一项研究注意到了这个问题。日本横滨市立大学和横滨国立大学开发了一套能够利用人工智能发现精液当中精子的支援系统,以增加体外受精的成功率,并将医生从繁重的筛选工作当中解放出来。在精巢组织当中,主要含有精子和白细胞这两种物质。首先,通过大量数据的训练,人工智能学会了如何区别精子和白细胞;然后,该系统拥有一个能够自由设置监测精度的设置。AI会根据所设定的精度,把大部分与精子相似的细胞排出,使精子的数量和质量都得到保证。
在一切准备工作都做好之后,渴望小孩的伴侣们开始携手欢欢喜喜走起了辅助生殖道路。但是成功率却远远比他们预想的要低很多。每天都是像坐过山车一样的心情,这群人承受着经济和心理的双重压力。每做一次试管婴儿,医生需要在女性的身上扎上100多个孔,很多女性甚至需要经历7,8次这样的过程才能成功,而不管怎么说,最后如果成功了都还算得上圆满。但是,还有这样一些人几乎次次做试管婴儿都会以失败二字告终,就连医生也说不出具体的原因。在这样的情况之下,医生只能基于个人经验给出一些中肯的意见,“再坚持一次就有更高的成功几率”。
纽约生殖医学协会也确实分析了6000多名患者的就诊记录,将那些在两个疗程后放弃治疗与坚持治疗的患者进行比对,发现那些多坚持治疗一个月的女性中有40%能成功受孕。但是在医院里,缺乏数据的说辞,“黑匣子”一样的成功原因让这些受尽折磨的人们望而却步。
影响试管婴儿成败的变量多种多样,许多问题在很多年前就已经开始存在了。其实,不孕不育症跟慢性病有许多相似的属性。如果按照慢性病的逻辑来对其进行思考,那么阻止辅助生殖成功的一个很关键的因素就是找不到上一次失败的原因。
MIT人类动力学实验室主任说,“我们每天留下的数字痕迹能揭露更多不为我们所知的信息。这可能变成一个隐私的噩梦,也可能变成一个更健康、更繁荣世界的基石”。19世纪,人们利用GIS(地理信息系统)追踪巴黎和伦敦的霍乱爆发,并用其绘制霍乱蔓延后死亡人群的地域分布。
谷歌的GIS是属于全球的,而我们可以创造一个属于个人的智能“谷歌地图”来解决所有找不到病因的疾病诊疗问题。这样的“谷歌地图”由人口统计学、生理学、解剖学、生物学、环境学等多层信息构成,当这些信息完成一定程度的积累和整合,不仅是辅助生殖,所有慢性病当中最难的“找原因”这一关都算是过去了。
2016年的洛克大会上发布了一款FI-POCT系统(family intelligent testing),也就是家庭智能即时检测系统的智能家庭医疗设备。设备上包括了女性的孕酮、胆红素、葡萄糖、HPV、隐血等超过20个女性生殖和内分泌医疗诊断数据的监测,而且显示出来的监测结果也改变了医疗专业术语的深奥晦涩,而是代以直白可观的表达方式。
无独有偶,201810月13日,据《美国旧事周刊》报道,研究人员发明了一种人工智能设备,可以协助医生从体外受精治疗中挑选安康胚胎,准确率高达85 %。
这项新技术是由伦敦帝国学院和美国康奈尔大学的专家开发的。借助延迟摄影,它可以预测孵化器中胚胎的质量。医务人员也可以运用这项新技术来添加胚胎繁衍的成功时机。
依据英国《镜报》的一篇报道,研讨人员应用纽约的超级计算机“Beast”剖析了50,000多张10,000多枚胚胎的照片,以了解它们正常发育面前的关键要素,并确定哪些胚胎能够正常受孕,哪些能够死产。
据英国《每日邮报》报道,在一项以328张胚胎图片作为测试样本的实验中,人工智能设备可以识别280个正常受孕的胚胎。这项研讨的主要作者、康奈尔大学胚胎学副教授尼克·卡·赞宁诺维奇说,挑选这种设备的准确性远远高于人类。
zaninovic通知Mirror :“假设人工智能可以区分正常胚胎和染色体异常的胚胎,它将降低流产率和死产率,这是我们研讨的真正缘由。这项研讨也是一个新范围,准确率高达85 %。"
不过,众所周知技术、产品的成功研发和投入应用之间会有一段距离,尤其是在医疗领域。对此,Nikica Zaninovic教授认为,这项AI技术可能能够在未来的5年内进入临床应用,并且,借助AI工具能够让35岁以下没有潜在健康问题的女性在接受试管受精治疗时,由50%的成功率提升到了70%。这对于接受体外受精的女性本身,也极大的减少了治疗过程中的痛苦。
英国谢菲尔德大先生育专家艾伦·佩西通知《每日电讯报》:“延迟摄影曾经在临床上运用了很多年,但是从可预测的数据中取得成功的能够性更大。运用人工智能技术为延时摄影搜集数据是一个十分好的主意,由于它能够会发现人眼无法不雅观察到的形式和算法。"
研讨人员在旧事周刊的旧事稿中宣称:“我们处置数据的方法为我们带来了一种评价和鉴定胚胎质量的新方法,这能够会添加成功怀孕的时机。"
领取专属 10元无门槛券
私享最新 技术干货