玩转实验室黑科技-人工智能和时差成像是完美搭档吗？

人工智能 (AI) 和时差成像 (time-lapse) 技术能显著提高人类囊胚形态学评估能力

利用形态学特征对囊胚进行分级，已被成熟地应用于临床胚胎筛选工作当中。来自西班牙的研究团队证明，由胚胎学家给囊胚分级在不同观察者之间和观察者自身均存在差异。而该研究团队 2017 年在牛动物模型研究中的成果也表明，采用人工智能 (AI) 系统分析图像可以降低囊胚分级的变异性，还能获得由观察者评估无法发现的额外指标。

人类囊胚与牛相比，在 AI 图像识别方面存在更多挑战，因为分类级别更多，滋养层厚度不一，内细胞团形状各异及对比度更低。直至现在，还未有研究证明 AI 在进行人类囊胚分级筛选上比胚胎学家更胜一筹，而这正是本研究的关注重点。

本研究召集了 5 名来自 4 个不同国家的胚胎学家，采用 Gardner 分级法，对 394 枚 在 111.5 hpi 下拍摄的人类胚胎时差成像数据，进行囊胚内细胞团、滋养层以及囊胚扩张能力的评估。其中，171 枚囊胚因为阶段过早、已孵化、图像未聚焦或看不到内细胞团等原因而被排除。其余 223 帧图像被输入 AI 系统建模 (70% 培训组，15% 验证组和 15% 盲测组) 。

该研究显示：与牛模型观察到的结果一样，AI 对于人类囊胚形态学的评估能力，显著高于使用肉眼对时差成像数据进行分析的胚胎学家。

5 位胚胎学家之间的一致性较低 (Kappa 一致性从扩张的 0.4 至滋养层和 ICM 的 0.3) 。而采用 AI 预测的胚胎学家分级模式一致性得到实质性改善：扩张 (Kappa 一致性 0.7) 和 ICM (0.7) ，滋养层一致性为中等 (0.4) 。 

AI 的整体准确度几乎可以完美地预测囊胚扩张 (培训组 93.9% 和验证组 81.5%) ，也可以客观地预测内细胞团 (培训组 93% 和验证组 78.8%) 和滋养层 (培训组 78.8% 和验证组 78.3%) 。AI 系统预测囊胚扩张能力 (AUC 0.888-0.956) 的能力优于内细胞团 (AUC 0.605-0.854) 和滋养层 (AUC 0.726-0.769) 。

该研究数据显示，AI 能够更好地与观察者配合，战胜仅用单个固定二维图像给三维胚胎分级的挑战。

目前，此项技术的有效性已经在两个独立生殖中心得到了验证。现在，研究人员需要在建立大规模临床应用前，通过独立的实验来证明此项结果的可重复性。 

将 AI 应用于人类囊胚分级，费用低、对胚胎无创，同时比操作人员观察分级更可靠。

利用 AI 技术而非人眼观察数千帧图像，不仅能进行更快速的评估，还可以连续地获取并定量分析额外信息。正如已经证明的那样，该技术本身就可以加强我们评估胚胎存活性的能力。

来源：ESHRE 2018 Oral 275: Using artificial intelligence (AI) and time-lapse to improve human blastocyst morphology evaluation.