利用人工智能技术进行体外受精胚胎选择

根据威尔-康奈尔医学院研究人员的一项新研究，人工智能算法可以非侵入性地确定体外受精胚胎的染色体数量是否正常，准确率约为70%。

染色体数量异常，即非整倍体，是体外受精（IVF）胚胎无法植入或导致健康妊娠的主要原因。目前检测非整倍体的方法之一是对胚胎中的细胞进行活检样取样和基因检测——这一方法增加了试管婴儿过程的成本，并且对胚胎具有侵入性。12月19日发表在《柳叶刀数字健康》（Lancet Digital Health）上的一篇论文中描述了新算法STORK-A，它可以帮助预测非整倍体，而不存在活检的缺点。它通过分析胚胎的显微镜图像进行操作，并结合了有关母亲年龄的信息和试管婴儿诊所对胚胎外观的评分。

“我们的希望是，我们最终能够使用人工智能和计算机视觉技术，以完全无创的方式预测非整倍体，”该研究的资深作者伊曼·哈吉拉苏利哈博士说，他是威尔康奈尔医学院计算基因组学、生理学和生物物理学副教授，也是英格兰德精准医学研究所的成员。

该研究的第一作者是乔舒·巴恩斯（Josue Barnes），他是威尔康奈尔大学医学研究生院的博士生，在哈吉拉苏利哈实验室学习。尼基卡·扎尼诺维奇博士是临床妇产科胚胎学副教授，也是威尔康奈尔医学院罗纳德·O·佩雷尔曼和克劳迪娅·科恩生殖医学中心以及纽约长老会/威尔康奈尔医学中心胚胎学实验室主任。

据美国疾病控制和预防中心（U.S.Centers for Disease Control and Prevention）称，2020年，美国共进行了30多万次体外受精周期，约有80000名活产婴儿。试管婴儿专家一直在寻找提高成功率的方法，以更少的胚胎移植实现更成功的妊娠——这意味着开发出更好的方法来识别存活的胚胎。

生育诊所的工作人员目前使用显微镜来评估胚胎是否存在与生存能力差相关的大规模异常。为了获得有关染色体的信息，诊所工作人员还可以使用一种叫做植入前非整倍体基因检测（PGT-a）的活检方法，主要针对37岁以上的女性。

为了开发一种胚胎评估的计算方法，该方法利用了胚胎学实验室开创性的延时摄影技术，生殖医学中心的研究人员与英格兰德研究所的同事合作。

在2019年的一项研究中，研究团队开发了一种人工智能（AI）算法STORK，该算法可以评估试管婴儿诊所工作人员的胚胎质量。在这项新的研究中，他们开发了STORK-A作为PGT-A的潜在替代品，或者作为决定哪些胚胎应该进行PGT-A测试的更具选择性的方法。

新的STORK-A算法使用受精后五天拍摄的胚胎显微图像、诊所工作人员对胚胎质量、母亲年龄的评分，以及通常作为IVF过程一部分收集的其他信息。由于它使用了人工智能，该算法会自动“学习”将数据的某些特征与非整倍体的可能性相关联，这些特征对人眼来说往往过于细微。该团队在10378个胚泡的数据集上训练STORK-A，这些胚泡的倍性状态是已知的。

根据其性能，他们评估了该算法在预测非整倍体与正常染色体“整倍体”胚胎方面的准确率接近70%（69.3%）。在预测涉及一条以上染色体的非整倍性（复杂非整倍）与整倍体时，STORK-A的准确率为77.6%。他们后来在独立的数据集上测试了该算法，包括西班牙一家试管婴儿诊所的数据集，并发现了类似的准确性结果，证明了STORK-A的通用性。

这项研究为目前处于实验阶段的方法提供了概念证明。标准化STORK-A在诊所的使用将需要将其与PGT-A进行比较的临床试验，以及食品和药物管理局的批准——在未来的所有年份。但新算法代表了在降低试管婴儿胚胎选择风险、降低主观风险、降低成本和更准确方面取得的进展。

“这是人工智能如何潜在地改变医学的另一个很好的例子。该算法将数以万计的胚胎图像转化为人工智能模型，最终可能用于帮助提高试管婴儿的疗效，并通过降低成本进一步民主化获取，”合著者奥利维耶·Elemento博士说。

扎尼诺维奇博士说：“我们相信，最终通过使用这项技术，我们可以减少需要进行活检的胚胎数量，降低成本，并在患者需要决定是否进行PGT-a时提供一个非常好的咨询工具。”

该团队现在计划在这一成功的基础上，通过胚胎发育视频训练算法。

巴恩斯说：“通过使用视频分类，我们可以利用有关胚胎发育的时间和空间信息，希望这将有助于检测发育趋势，从而更准确地区分非整倍体和真倍体。”

“这项技术正在进行优化，希望在某一时刻，它的准确性将接近基因检测，这是一项黄金标准，准确率超过90%，”罗纳德·O·里根基金会主任兼主任医师泽夫·罗森瓦克斯博士说。纽约长老会/威尔康奈尔医学中心和威尔康奈尔医学院的Perelman和Claudia Cohen生殖医学中心，以及威尔康奈尔医学的露华浓妇产科生殖医学杰出教授。“但我们意识到，这个目标很有抱负。”