← 最新论文
📄 医学

Artificial Intelligence-Assisted Embryo Selection in In Vitro Fertilisation: A Systematic Review of Model Performance and Clinical Evidence

这项系统评价得出结论,尽管人工智能辅助胚胎筛选在模型开发和技术性能方面已取得显著进展,但目前关于其临床有效性的证据仍然有限且不一致,因此在确立其常规临床应用之前,有必要进行进一步的独立验证和前瞻性研究。

原作者: Emmanuel Emmanuel, Ekwueme Precious

发布于 2026-09-29
📖 1 分钟阅读☕ 轻松阅读

原作者: Emmanuel Emmanuel, Ekwueme Precious

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

对于全球数百万对夫妇而言,通往组建家庭之路往往被不孕症所阻断,这一状况影响着大约六分之一处于生育年龄的人群。当自然受孕无法实现时,医生通常会求助于一种被称为体外受精(IVF)的实验室程序,即在体外将卵子和精子结合以创造胚胎。在这个过程中,最关键也最困难的一步是选择哪一个单一胚胎被放回女性的子宫内。传统上,受过高度专业训练的科学家——胚胎学家,通过在显微镜下观察胚胎,根据其外观和生长速度来判断其健康状况,从而做出选择。然而,这种视觉评估在不同专家之间可能存在差异,即使是最敏锐的人眼也并不总能预判出哪个胚胎能成功着床并成长为婴儿。近年来,科学家们开始测试人工智能(即那种可以识别面部或驾驶汽车的同类计算机技术)是否能帮助提高这种选择的准确性。

一项新的系统评价(一种收集并分析特定主题下所有现有研究的研究类型)现在对这些计算机系统在现实世界中的实际表现进行了严谨的审视。这项综述背后的研究人员 Emmanuel Emmanuel 和 Ekwueme Precious 并没有进行任何一项新的实验。相反,他们收集并检查了数十项旨在对胚胎进行排序和筛选的人工智能工具的研究。他们的目标是将这些计算机模型的“技术成功”与其“改善健康怀孕机会的实际能力”区分开来。他们想要知道,这种能够处理数千张图像并发现人类肉眼无法察觉之模式的软件,究竟是真的能让更多婴儿诞生,还是其成功仅局限于计算机屏幕之内。

该综述发现,这项技术已经取得了飞速进展。早期的尝试使用的是简单的计算机程序,而最近的研究则采用了深度学习——一种先进的方法,计算机通过分析庞大的胚胎图像库(包括展示胚胎每小时生长情况的延时摄影视频)来进行学习。这些系统现在可以为胚胎评分、预测其遗传健康状况,并进行排名,其一致性往往能达到甚至超过人类专家。在纯粹的预测能力方面,计算机模型已展示出它们能够区分哪些胚胎容易着床,哪些则不能。例如,一项涉及来自22家不同诊所、近二十万个胚胎的大型研究发现,人工智能系统能够正确识别具有生命力的胚胎,其准确率在60%到75%之间,具体取决于特定的测试条件。

然而,该综述强调了计算机预测能力与临床实际成就之间的显著差距。仅仅因为一个模型能在数据库中准确地对胚胎进行排序,并不意味着使用它就能带来更多成功的怀孕。这项技术最严格的测试来自一项涉及14家诊所、一千多名患者的大型随机对照试验。在这项研究中,一组患者的胚胎由深度学习系统进行筛选,而另一组患者则采用传统的通过人类视觉评估的方法进行筛选。结果很明确:使用人工智能的那组患者表现并未优于使用人类专家的那一组。事实上,人工智能组的临床妊娠率略低,为46.5%,而传统组为48.2%。该研究的设计初衷是看人工智能是否至少与人类方法一样出色,但它未能证明这一点。

这一发现表明,虽然人工智能是一个强大的数据分析工具,但它尚未证明自己是临床中人类判断的更优替代方案。该综述指出,许多早期显示出巨大前景的研究都是回顾性的,这意味着它们是针对已经完成胚胎移植并经过研究的胚胎数据进行的。这些研究通常显示高AI评分与成功怀孕之间存在强关联,但它们无法证明是AI导致了成功,因为由AI选择的胚胎并未以公平、随机的方式与对照组进行比较。此外,该综述注意到,不同的诊所使用不同的显微镜、不同的孵化器以及不同的胚胎护理方式,这意味着在一个实验室中训练的计算机模型在另一个实验室中可能无法发挥同样的效果。该技术还表现出了不稳定性,即如果多次运行该计算机模型,同一个胚胎可能会得到不同的排名,这引发了对其可靠性的质疑。

作者总结道,该领域正处于一个转折点。计算机模型已经证明它们可以习得胚胎发育的视觉语言并提供一致的排名,这是一项了不起的技术成就。然而,关于这项技术能否改善体外受精的最终目标——即诞生活产婴儿——证据仍然薄弱。该综述并未否定人工智能的潜力,但坚持认为该技术应被视为一种决策支持工具,而非自动化的解决方案。在诊所能够放心地依赖这些系统来选择胚胎之前,还需要更多的独立测试。未来的研究必须关注现实世界的成果,特别是新生儿的数量,并且必须确保该软件在不同的医院和患者群体中都能可靠运行。在获得此类证据之前,人类胚胎学家仍是通往为人父母之路上的核心引导者,而人工智能则扮演着一个有用但尚未完全获得信任的助手角色。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →