本篇分享 AI 如何辅助试管婴儿疗程的安排与优化，為医生和客户提供更全面的咨询和决策建议。
AI 在试管婴儿取卵疗程优化中提供的帮助包括：
-
评估施打破卵针最佳的时间：AI 模型利用患者的生理数据和疗程病史进行大数据分析，预测最佳的破卵针施打时机，以提高取卵数量与卵子成熟率。
-
优化卵巢刺激（COH）疗程安排：同样根据患者的生理数据和疗程病史，设计个人化促排疗程，优化卵巢刺激方案。提供医师用药选择、剂量多寡的建议。
2022年一篇发表于 Fertility and Sterility 的论文试图以 AI 来预测取卵疗程最佳施打破卵针的时间。回溯分析2014至2020年间，三个美国试管婴儿中心共30,278个取卵週期的电子病历，使用线性逻辑回归的方式建立机器学习模型（图一左、中）。
模型建立完成后，利用20%的资料来测试模型，从刺激后第7天开始每天评估是否施打破卵针或继续刺激（图一右）。最后依实际与建议施打破卵针的时间点分為延迟（图二左）、提早（图二右）、按时施打破卵针三组。
结果显示：2,416个取卵週期（占所有疗程 48.7%）实际施打破卵针时间提早于 AI 建议，与按时施打破卵针组的匹配患者相比，提早施打破卵针组平均少了 2.3个成熟卵母细胞、1.8个受精卵和少了 1个可用囊胚；685个取卵週期（占所有疗程 13.8%）实际施打破卵针时间晚于 AI 建议，与按时施打破卵针组的匹配患者相比，延迟施打破卵针组平均少了2.7个成熟卵母细胞、2个受精卵和少了0.7个可用囊胚（表一）。这些结果显示了提早和延迟施打破卵针对于成熟卵母细胞、受精卵和可用囊胚数量的影响。
研究建立的线性模型可辅助建议施打破卵针时机,提高取得更多成熟卵母细胞、后续可用囊胚数量的机率，进而提高疗程的效率。
相较于过去使用较複杂的黑盒子模型，本研究的结果显示，线性可解释的模型在改善评估破卵针施打时间方面表现优异。这项研究的结果替未来的辅助生殖技术提供了有价值的参考。
送子鸟也著手开发促排疗程优化的 AI 模型，目前主要应用客群為 AMH＞2使用长效型排卵针（Elonva）的客户，总共开发了5个 AI 模型，项目及准确率分别如下：
- Elonva 剂量的建议：准确度 94 %
- 评估是否额外补充排卵针（粉状 Pergoveris）：预测准确率 72%
- 建议哪天开始补充排卵针（Pergoveris pen）：误差 0.3 天
- 建议排卵针（Pergoveris pen）总共施打天数：误差 0.7 天
- 建议排卵针（Pergoveris pen）总剂量：误差 8 IU
参考资料：
Fanton, M., Nutting, V., Solano, F., Maeder-York, P., Hariton, E., Barash, O., ... & Loewke, K. (2022). An interpretable machine learning model for predicting the optimal day of trigger during ovarian stimulation. Fertility and Sterility, 117(1), 33-41.
