体外受精（IVF）对许多人而言是漫长、不确定且令人沮丧的过程。在约两周时间内，希望怀孕的女性需注射激素促使卵巢产生多个卵子，期间多次抽血并定期进行超声检查追踪卵子发育。待医学评估就绪后，需在镇静状态下进行取卵手术，卵子被送至实验室受精形成胚胎。
经历上述步骤后，胚胎移植至子宫的成功率仅50%，且常需经历多次IVF周期才能实现成功妊娠。对部分女性而言，尽管费用高昂，IVF始终无法达到预期效果。
尽管如此，该技术应用广泛。美国约2%的婴儿通过IVF诞生，自该技术问世四十年来，全球已有1000万试管婴儿降生。但IVF能否变得更简便高效？
多位知名生殖科学家和医生向《国家地理》表示，人工智能的突破正推动IVF迈入激动人心的新时代。近期AI技术发展聚焦于精子检测、胚胎评级及胚胎追踪，旨在提升患者治疗的可及性与有效性。
“生殖医学中的人工智能正处于惊人转折点，即将爆发并彻底改变我们实践生殖健康的方式，”亚特兰大沙迪格罗夫生育中心（Shady Grove Fertility）医师兼生殖内分泌学家维多利亚·江（Victoria S. Jiang）表示。
筛选更健康的精子
哥伦比亚大学生育中心（Columbia University Fertility Center）团队预计即将迎来美国首例AI辅助IVF婴儿。该患者经历15次IVF失败后，于2025年3月成功受孕。
哥伦比亚大学生育中心主任泽夫·威廉姆斯（Zev Williams）正使用实验性系统STAR（Sperm Tracking and Recovery，精子追踪与回收）解决IVF关键失败点：识别最健康精子。威廉姆斯表示，STAR利用AI识别健康精子——即存活、有活力且结构完整者，这些特征肉眼难以察觉。识别后，机器人无需离心机等潜在损伤性处理即可移除细胞，全程仅需毫秒。
若无AI辅助，胚胎学家需在显微镜下人工筛选样本，耗时数小时且可能徒劳无功。“曾有经验丰富的技术人员耗时两天未发现精子，”威廉姆斯说，“样本经STAR处理一小时即检出44个精子。”
与人类不同，AI能无疲劳地分析数百万图像，捕捉人眼忽略的细微模式。“在重度男性不育症中，精子可能稀少到熟练胚胎学家终生难觅，”威廉姆斯指出，“这远超人类能力，但通过我们开发的专用微流控芯片（用于拍摄和分选精子）及STAR系统中的定制超级计算机与高速成像技术，完全可实现。”后续所有IVF步骤仍采用标准方法。
威廉姆斯称“初步结果非常鼓舞人心”。该系统已多次在被标记为“未见精子”的样本中成功检出精子，并顺利培育出胚胎。
追踪最健康胚胎
精子与卵子结合后，胚胎在培养箱中发育五天形成囊胚（blastocyst），其内层与外层细胞质量将被评级为A、B或C级。例如，AA级表示内外层均为最优质量，BC级则代表内层中等、外层质量较低。
目前囊胚评级需胚胎学家结合延时视频、静态图像及显微镜观察，此过程主观耗时，自1978年首例IVF婴儿诞生以来变化甚微。但AI有望改变现状：2024年《自然医学》（Nature Medicine）发表的临床研究表明，基于11.5万胚胎数据训练的AI系统在胚胎评级方面接近人类水平。
胚胎评级后常进行基因检测判断正常与否。传统方法需胚胎学家人工测试每个胚胎的染色体数量，AI亦能助力。2023年，威尔康奈尔医学院（Weill Cornell Medical College）胚胎学副教授尼基察·扎尼诺维奇（Nikica Zaninovic）团队在《柳叶刀》（The Lancet）发表研究，证明AI算法可约70%准确率判定胚胎染色体数量是否正常，统计学意义显著。尽管理想条件下传统活检法准确率约90%，但在复杂案例（如含正常与异常细胞混合的嵌合胚胎）中可能下降。
研究团队通过输入正常与异常胚胎图像训练AI系统，使其能预测未包含在原始数据集中的胚胎状态。由于AI仅评估图像而非直接接触胚胎，侵入性低于传统活检，降低了损伤脆弱胚胎的风险。
扎尼诺维奇表示，下一步将为算法添加新层，使其能更早介入流程，例如识别不健康卵细胞并预测女性需冷冻的卵子数量以确保成功妊娠。AI还可能辅助评级与基因检测后的步骤，如评估子宫内膜厚度及胚胎移植后的子宫接受度。“即使经过胚胎植入前遗传学检测，流产率仍达10%-15%，”扎尼诺维奇解释，“这可能与胚胎无关，而是患者整体健康状况所致。”
另一AI可解决的挑战是避免潜在混淆错误，例如胚胎被误标并植入其他患者。尽管罕见，但因胚胎直径仅0.1-0.15毫米，此类事件确实发生。
“若胚胎意外移至培养皿错误位置，传统系统无法察觉，”麻省总医院生育中心（Massachusetts General Fertility Center）胚胎学主任查尔斯·伯曼（Charles Bormann）指出，“AI系统能全程追踪胚胎发育并确认身份，确保每个胚胎正确标注并匹配对应患者。”
墨西哥IVF企业Conceivable的核心正是这一精细过程。妇产科医生兼生殖内分泌学家亚历杭德罗·查韦斯-巴迪奥拉（Alejandro Chavez-Badiola）使用AI引导的机械臂自动化200多步IVF流程，包括精子、卵子和胚胎的追踪与运输。例如，技术识别“最优”精子后，机器人系统接管操作：将精子加载至注射针、定位卵子并结合形成胚胎，同时监控卵子完整性以避免损伤。
查韦斯-巴迪奥拉称成果不言自明：2024年首例应用该专有技术的婴儿诞生，此后又有17例活产。
专家呼吁谨慎
尽管研究机构与初创企业取得进展，专家仍提醒需警惕AI在生殖技术中的局限性。
美国IVF实验室多数操作缺乏政府监管。食品药品监督管理局（FDA）仅监管部分传统IVF组件，如特定医疗器械和基因检测实验室。医疗机构可自愿加入辅助生殖技术学会（SART），该学会公布成功率并确保成员遵守伦理准则，但近期疾病控制与预防中心（CDC）已解散其IVF团队。
AI辅助IVF同样面临监管真空。除胚胎评级AI系统（FDA视其为医疗器械需审批）外，当前实验大多不受联邦政府监管。获取新兴辅助生殖技术的唯一途径是参与伯曼或扎尼诺维奇实验室等研究项目。（总部在美国境外的Conceivable等初创企业不受这些法规约束。）
专家还指出数据隐私、算法偏见及公平性等众多伦理问题。
2025年《妇科 Obstetrics and Human Reproduction》期刊论文显示，许多AI算法对医生和患者均难以解读，因缺乏透明度而形同“黑箱”。帝国理工学院（Imperial College London）内分泌学副教授阿里·阿巴拉（Ali Abbara）警告，这可能导致胚胎学家未察觉的“非理性”决策。例如，若实验室巧合地从同一培养箱产出多个正常胚胎，AI可能错误推断特定培养箱中的胚胎更可能正常；或因光线因素误判图像偏暗的胚胎为异常。论文还指出，AI系统训练依赖大量敏感数据集，存在泄露或滥用风险。
研究人员对“黑箱”表示担忧。“医疗领域需理解并信任技术，因此人们对此有所顾虑，”阿巴拉说。扎尼诺维奇认为，展示推理过程的透明AI模型可解决此问题。
江医生警告，生殖内分泌学与不孕症领域常在技术未成熟时过早应用。她举例预植入遗传学多基因风险评分（PGT-P），这种基因检测亚型可评估从唐氏综合征、镰状细胞贫血到糖尿病、心脏病风险乃至智力等数千基因。“PGT-P仅用胚胎胎盘层少量细胞进行遗传分析，”江解释道，“它提供概率而非预测，准确性无法保证。如同天气预报——30%降雨概率不意味会下雨，5%心脏病风险也不代表不会患病。”但IVF患者常被推销PGT-P作为婴儿健康或特定基因特征的保证，尽管缺乏验证其准确性的研究。
此逻辑同样适用于AI，专家告诫患者警惕“包治百病”的承诺。尽管如此，研究者对前景仍感振奋，同时强调AI应是医疗伙伴而非唯一提供者。“AI可提供指导和洞见，但医疗责任与患者自主权绝不能交给算法，”伯曼说。威廉姆斯赞同：“AI必须支持而非取代医师判断。正如任何强大创新，负责任的使用、透明度和临床监督不可或缺。”
【全文结束】
