前篇文章介绍了人工智慧（AI）在试管婴儿领域相关的应用层面，本篇将分享 AI 以胚胎照片预测试管婴儿成功率的应用与送子鸟生殖中心的研究结果。
选择优质的胚胎进行植入是试管婴儿成功与否的关键因素之一。传统的胚胎评级方法主要依赖胚胎师藉显微镜观察进行，但此方式的精准度往往受限于主观性和其他人為产生的不确定性。近年来，随著图像、影像分析与辨识技术的进步辅以人工智慧深度学习的发展，多家研究机构皆已著手开发自己的 AI 怀孕率预测模型。
2022 年发表于 Fertility and Sterility 的一篇论文对多个生殖中心的数据进行回顾和分析，结果显示：
AI 模型的 AUC 值在 0.6 到 0.7 之间（表一），这些结果表明 AI 模型在胚胎评分方面具有潜在的优势，有助于提高临床怀孕率。
研究人员也对 AI 如何评分进行了研究，将胚胎依 AI 评分高低进行区分观察（图一）。结果显示：排名靠前的胚胎多数是完全扩张的囊胚，内细胞团（ICM）紧密且清晰，滋养层细胞（TE）对称且大部分清晰，呈现鹅卵石或扇贝状图案。与人眼评分的认知相同，猜测 AI 针对细节的观察更深入，评级更精确。不过须注意的是照片的焦平面需精准对焦在 ICM 及 TE，避免 AI 误判。
另外也观察到，多数 AI 评分较高的胚胎照片，AI 关注区域落在 ICM 及 TE（图二左，蓝色处）；评分较低的胚胎照片，关注区域则落在碎片及细胞凝聚等特征（图二右，蓝色处）。
通过比较 AI 分数与怀孕率之间的关係（校正曲线），可以观察到不同 AI 分数对怀孕率的影响。显示在 AI 分数级距為 0.2、0.1 的时候怀孕率随著 AI 分数的增加呈现增加的趋势（图三左、中）。若将分数级距细切到 0.05，AI 分数之间的微小差异可能不再明确地反映在怀孕率上（图三右上、右下）。
送子鸟生殖中心也已著手开发预测怀孕率的 AI 模型。图四展示了一个简易的模型开发示意图，為了提高模型预测的精准度，除了使用解冻后的胚胎照片外，还加入了冷冻前的胚胎照片和临床资料。这些临床资料包括：植入时年龄、取卵时年龄、人工胚胎评分等级、ERA 结果、AMH 数值、植入时子宫内膜厚度等等。AI 模型使用了 ResNet CNN 和图像嵌入（Image embedding）处理照片资料，并且使用了梯度提升机（Gradient Boosting Machine）机器学习算法整合临床资料。目前，这个预测怀孕率的 AI 模型的 AUC 為 0.79。
结合送子鸟生殖中心院内研究与本篇论文的结果显示，AI 技术虽然仍面临影像品质、常见偏误和分数细微度等问题需要改善。然而，这些研究成果為未来进一步的研究和临床应用提供了重要的参考。这些成果有助于提高辅助生殖技术的成功率和患者的怀孕结果。同时，这些成果也对推动人工智慧在生殖医学领域的应用和发展具有重要的价值和意义。
参考资料：
Loewke, K.，Chou, J. H.，Bormann, C. D.，Miao-Yong, P.，et al.(2022)。
Characterization of AI for embryo ranking。Fertility and Sterility，117(3)，528-530。
