一个完全自动化的基于人工智能的系统，用于评估体外受精胚胎质量

一项由威尔康奈尔医学院研究人员进行的研究表明，一个新的基于人工智能的系统可以通过仅使用体外受精（IVF）胚胎的时间 lapse 视频图像和母亲年龄来准确评估胚胎的染色体状态。

新的系统被称为" BELA",并在一篇论文中进行了描述。纸张发表于9月5日的自然通讯该团队最新的基于人工智能的平台用于评估胚胎染色体数目是否正常（整倍体）或异常（非整倍体），这是决定试管婴儿成功的关键因素。

与之前的基于AI的方法不同，BELA不需要考虑胚胎学家对胚胎的主观评估。因此，它提供了一个客观、可推广的衡量标准，并且如果其效用在进一步的研究中得到确认，临床试验有一天可能会被广泛应用于胚胎学诊所，以提高体外受精过程的效率。

“与之前的 approach 相比，这是一种完全自动化的更客观的方法，它使用更多的图像数据可以产生更大的预测能力，”该研究的资深作者、威尔康奈尔医学院生理学和生物物理学副教授兼英格兰医学研究所精准医疗成员伊曼·哈贾拉苏利哈博士说道。

该研究的第一作者是Suraj Rajendran，他是Hajirasouliha博士实验室的一名博士生。该研究的胚胎学工作由Nikica Zaninovic博士领导，他是在临床妇产科任胚胎学副教授并担任威尔康奈尔医学中心和纽约长老会/威尔康奈尔医疗中心生殖医学罗纳德·O·佩雷尔曼和克劳迪娅·科恩中心（CRM）胚胎实验室主任的胚胎学家。Zev Rosenwaks博士，作为CRM的主任及首席医师以及威尔康奈尔医学院妇产科学荣华教授，是该研究的合著者。

胚胎学家通常通过显微镜检查来评估体外受精（IVF）胚胎的质量。如果胚胎看起来相对正常但有怀疑可能存在问题的理由，例如高龄产妇的情况，他们可能会直接测试其染色体状态。最“金标准”的检测方法是一种有一定风险的类似活检的过程，称为植入前基因诊断。基因检测非整倍体筛查（PGT-A）

近年来，胚胎学家与计算机/人工智能专家合作，寻找自动化部分工作流程和改善结果的方法。在2022年的一项研究中，Hajirasouliha博士及其同事开发了一种基于AI的系统称为STORK-A该方法使用单个胚胎的显微图像，加上母亲的年龄和胚胎学家的评分，大约以70%的准确率预测胚胎的染色体整倍性状态。

研究人员开发了BELA以独立于胚胎学家的评估来生成准确的倍性预测。系统的核心是一个机器学习模型该系统分析在受精后大约五天的关键时间段里，在显微镜下胚胎的九个延时视频图像，以生成一个胚胎质量评分。然后，该系统使用此分数和 maternal age（母龄）预测整倍体或非整倍体状态。

研究人员在一个经过威尔康奈尔医学中心去标识化的CRM数据集上训练了该模型，该数据集包含近2000个图像序列。胚胎并测试了他们的PGT-A染色体非整倍体状态。然后，他们使用新的威尔康奈尔医学院CRM数据集以及来自佛罗里达州和西班牙的大型试管婴儿诊所的数据对模型进行了测试。他们发现该模型预测染色体非整倍体状态的准确性比之前的版本有所提高，并且对于外部和内部数据集都表现良好。

研究人员表示，下一步是通过他们目前正在计划的随机对照临床试验来前瞻性地测试BELA的预测能力。

“像BELA这样的AI模型可以使无法获得高端IVF技术和PGT检测的地区也能接受到IVF服务，从而在全球范围内提高IVF治疗的公平性，”zaninovic博士说道。

贝尔亚被设置为处理每个胚胎的大量图像数据，这也让研究人员推测它不仅可以用于染色体倍性预测，还可以用于更多方面。

拉詹德兰说：“我们希望该模型也能用于一般胚胎质量评估、预测胚胎发育阶段以及其他符合生殖医学诊所自身需求的功能。”