根据Weill Cornell Medicine的一项研究，一种新的基于人工智能的系统可以仅通过胚胎的时间延时视频图像和母亲年龄，准确评估体外受精（IVF）胚胎的染色体状态。该新系统称为“BELA”，并在9月5日发表于《Nature Communications》的论文中进行了描述，是该团队最新开发的用于评估胚胎是否具有正常（二倍体）或异常（非整倍体）染色体数目的AI平台。与之前的AI方法不同，BELA无需考虑胚胎学家对胚胎的主观评估，因此提供了一种客观、通用的测量方法。如果其效用在临床试验中得到确认，未来可能广泛应用于胚胎学诊所，提高IVF过程的效率。
“与之前的方法相比，这是一种完全自动化的、更客观的方法，使用更多的图像数据可以生成更大的预测能力，”该研究的高级作者、Weill Cornell Medicine生理学和生物物理学副教授、Englander Institute for Precision Medicine成员Iman Hajirasouliha博士说。
该研究的第一作者是Hajirasouliha博士实验室的博士生Suraj Rajendran。胚胎学工作由Nikica Zaninovic博士领导，他是Weill Cornell Medicine和NewYork-Presbyterian/Weill Cornell Medical Center的Ronald O. Perelman和Claudia Cohen生殖医学中心（CRM）的胚胎学实验室主任兼临床妇产科副教授。CRM主任兼首席医生Zev Rosenwaks博士，同时也是Weill Cornell Medicine妇产科生殖医学杰出教授，共同撰写了该研究。
胚胎学家通常通过显微镜检查来评估IVF胚胎的质量。如果胚胎看起来相对正常但有理由怀疑可能存在问题，例如在高龄产妇的情况下，他们可能会更直接地测试其染色体状态。标准测试是一种有些风险的类似活检的程序，称为植入前遗传学检测（PGT-A）。近年来，胚胎学家与计算机/AI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名为STORK-A的AI系统，该系统使用单个胚胎显微图像、母亲年龄和胚胎学家的评分，以约70%的准确性预测胚胎的倍性状态。
研究人员开发BELA是为了独立于胚胎学家的评估生成准确的倍性预测。该系统的中心是一个机器学习模型，该模型分析受精后约五天的关键时间段内的九张胚胎时间延时视频图像，生成一个胚胎质量评分。然后，该系统使用这个评分和母亲年龄来预测二倍体或非整倍体。
研究人员在Weill Cornell Medicine CRM的一个去识别化数据集上训练了该模型，该数据集包括近2000个胚胎的图像序列及其经过PGT-A测试的倍性状态。随后，他们在新的Weill Cornell Medicine CRM数据集和其他位于佛罗里达州和西班牙的大型IVF诊所的数据集上测试了该模型。他们发现，该模型的预测准确性略高于先前版本，并且对外部和内部数据集都表现良好。
研究人员表示，下一步是在随机对照临床试验中前瞻性地测试BELA的预测能力，目前他们正在计划这项试验。
“BELA和类似的AI模型可以扩展IVF技术的可用性，使其覆盖到无法获得高端IVF技术和PGT测试的地区，从而在全球范围内提高IVF护理的公平性，”Zaninovic博士说。
BELA被设置为处理每个胚胎的大量图像数据，这使研究人员相信它不仅可用于倍性预测。
“我们希望这个模型还能用于一般胚胎质量评估、预测胚胎发育阶段以及其他功能，胚胎学诊所可以根据自己的需求进行定制，”Rajendran说。
(全文结束)
