Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence
この系統的レビューは、体外受精におけるAIを用いた胚選択がモデルの開発および技術的性能において著しく進歩している一方で、臨床的な有効性に関する現在のエビデンスは限定的かつ一貫性に欠けており、そのルーチンな臨床導入を確立するためには、さらなる独立した検証と前向き研究が必要であることを結論付けている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
世界中の何百万ものカップルにとって、家族を持つための道のりは不妊という問題によって阻まれています。これは、生殖年齢にある人の約6人に1人が直面している状態です。自然妊娠が起こらない場合、医師はしばしば「体外受精」と呼ばれる実験室での処置に頼ります。これは、卵子と精子を体の外で結合させて胚（はい）を作るプロセスです。この過程において最も重要かつ困難なステップは、どの単一の胚を女性の子宮に戻すかを選択することです。伝統的に、胚培養士と呼ばれる高度な訓練を受けた科学者たちが、顕微鏡で胚を観察し、その見た目や成長の速さに基づいて健康状態を判断することで、この選択を行ってきました。しかし、この視覚的な評価は専門家によって差が生じることがあり、たとえ最高の人間の目であっても、どの胚がうまく根付き、赤ちゃんへと成長するかを常に予測できるわけではありません。近年、科学者たちは、顔を認識したり車を運転したりできるものと同じ種類のコンピュータ技術である「人工知能（AI）」が、この選択をより正確にする助けとなるかどうかを検証し始めています。
特定のトピックに関する既存の研究をすべて収集して分析する研究手法である「系統的レビュー」が、これらのコンピュータシステムが現実の世界で実際にどの程度機能しているのかについて、厳格な調査を行いました。このレビューの背後にいる研究者、エマニュエル・エマニュエル氏とエクウェメ・プレシャス氏は、新しい実験を行ったわけではありません。代わりに、彼らは胚をランク付けし選択するために設計された人工知能ツールの性能をテストした、数十の過去の研究を収集し検討しました。彼らの目的は、これらのコンピュータモデルの技術的な成功と、健康な妊娠の可能性を実際に向上させる能力とを切り分けることでした。彼らは、何千もの画像を処理し、人間には見えないパターンを見つけ出すことができるソフトウェアが、真に誕生する赤ちゃんの数を増やすのか、それともその成功はコンピュータ画面の中だけに限定されているのかを知りたかったのです。
このレビューにより、技術が急速に進化していることが明らかになりました。初期の試みは単純なコンピュータプログラムを使用していましたが、最新の研究では、胚が時間ごとに成長していく様子を示すタイムラプス動画を含む、膨大な胚画像のライブラリを分析することでコンピュータが学習する高度な手法である「ディープラーニング（深層学習）」を採用しています。これらのシステムは現在、胚にスコアを付け、遺伝的な健康状態を予測し、人間の専門家の整合性と一致するか、あるいはそれを上回るレベルで胚をランク付けすることができます。純粋な予測という点において、コンピュータモデルは、着床しやすい胚とそうでない胚を区別できることを示しました。例えば、22の異なるクリニックから約20万個の胚を対象とした大規模な研究では、AIシステムが、特定のテスト条件に応じて60％から75％の範囲の精度で、生存可能な胚を正しく特定できたことが分かりました。
しかし、このレビューは、コンピュータが予測できることと、クリニックで実際に達成できることの間には大きな隔たりがあることを強調しています。モデルがデータベース内で胚を正確にランク付けできるからといって、それを使用することが患者にとってより高い妊娠成功率をもたらすとは限りません。この技術の最も厳格なテストは、14のクリニックにわたる1,000人以上の患者を対象とした大規模なランダム化比較試験によって行われました。この研究では、一方のグループの患者はディープラーニングシステムによって胚が選択され、もう一方のグループは人間の視覚的評価による伝統的な方法によって胚が選択されました。結果は明白でした。人工知能を使用したグループは、人間の専門家を用いたグループよりも優れた成績を収めませんでした。実際、臨床妊娠率は、従来のグループの48.2％に対し、AIグループでは46.5％とわずかに低くなりました。この研究は、AIが人間の手法と同等以上であることを証明するために設計されましたが、その点において失敗しました。
この結果は、人工知能がデータ分析においては強力なツールであるものの、クリニックにおける人間の判断に代わる優れた手段としては、まだ証明されていないことを示唆しています。レビューによれば、大きな期待を集めていた初期の多くの研究は「後ろ向き研究（レトロスペクティブ研究）」であり、つまり、すでに移植された胚のデータを遡って調査したものでした。これらの研究では、高いAIスコアと妊娠の成功との間に強い関連性が示されることがよくありましたが、AIによって選ばれた胚が公平なランダム化された対照群と比較されていなかったため、AIが成功の原因であると証明することはできませんでした。さらに、レビューは、クリニックによって使用する顕微鏡やインキュベーター、胚の管理方法が異なるため、ある研究所で学習したコンピュータモデルが別の研究所ではうまく機能しない可能性があることも指摘しています。また、技術には不安定さも見られ、同じ胚であってもコンピュータモデルを複数回実行すると異なるランクが付けられることがあり、信頼性に疑問を投げかけています。
著者らは、この分野が転換点にあると結論付けています。コンピュータモデルは、胚の発達という視覚的な言語を学習し、一貫したランキングを提供できることを実証しており、これは驚くべき技術的成果です。しかし、この技術が、体外受精の究極の目標である「生児出産」を改善するという証拠は、依然として希薄です。レビューは、人工知能の可能性を否定するものではありませんが、この技術は自動的な解決策ではなく、意思決定を支援するためのツールとして扱うべきだと主張しています。クリニックがこれらのシステムを信頼して胚の選択を行えるようになる前に、さらなる独立したテストが必要です。今後の研究は、現実世界の成果、具体的には生まれてくる赤ちゃんの数に焦点を当て、ソフトウェアが異なる病院や患者グループ間で確実に機能することを保証しなければなりません。そのような証明が得られるまでは、人間の胚培養士が親になるための旅路における不可欠なガイドであり、人工知能は、有用ではあるものの、まだ完全には信頼されていない助手としての役割に留まります。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。