根据威尔康奈尔医学院的研究人员的一项研究，一种新的基于人工智能的系统可以通过仅使用胚胎的延时视频图像和母体年龄来准确评估体外受精（IVF）胚胎的染色体状态。该系统名为“BELA”，在9月5日发表于《自然通讯》的一篇论文中进行了描述，是该团队最新的基于人工智能的平台，用于评估胚胎是否具有正常（整倍体）或异常（非整倍体）的染色体数量——这是决定IVF成功率的关键因素。与之前的基于人工智能的方法不同，BELA不需要考虑胚胎学家对胚胎的主观评估，因此提供了更客观、更具普遍性的衡量标准。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。
“这是一种完全自动化的、更加客观的方法，相比之前的方法，它使用了更多的图像数据，可以生成更大的预测能力，”该研究的资深作者、威尔康奈尔医学院生理学和生物物理学副教授、恩格尔医学研究所精准医学成员伊曼·哈吉拉苏利哈博士说。
该研究的第一作者是哈吉拉苏利哈博士实验室的博士生苏拉杰·拉詹德兰。胚胎学工作由尼基卡·扎尼诺维奇博士领导，他是威尔康奈尔医学院和纽约长老会/威尔康奈尔医学中心罗纳德·O·佩尔曼和克劳迪娅·科恩生殖医学中心（CRM）临床妇产科胚胎学副教授兼胚胎学实验室主任。CRM主任兼首席医师、妇产科生殖医学雷夫隆杰出教授泽夫·罗森瓦克斯博士共同撰写了该研究。
胚胎学家通常通过显微镜检查来评估IVF胚胎的质量。如果外观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。目前的“金标准”测试是一种风险较高的活检程序，称为植入前遗传学检测非整倍体（PGT-A）。近年来，胚胎学家与计算机/人工智能专家合作，寻找自动化部分工作流程并改善结果的方法。在2022年的一项研究中，哈吉拉苏利哈博士及其同事开发了一种名为STORK-A的基于人工智能的系统，该系统使用单个胚胎显微图像加上母体年龄和胚胎学家评分，以约70%的准确性预测胚胎的整倍体状态。
研究人员开发了BELA，以独立于胚胎学家的评估生成准确的整倍体预测。该系统的内核是一个机器学习模型，分析受精后大约五天内九个延时视频图像，生成一个胚胎质量评分。然后，系统使用该评分和母体年龄来预测整倍体或非整倍体。
研究人员在威尔康奈尔医学院CRM的匿名数据集上训练了该模型，该数据集包含近2000个胚胎的图像序列及其经过PGT-A测试的整倍体状态。然后，他们在新的威尔康奈尔医学院CRM数据集以及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，该模型预测整倍体状态的准确性略高于先前版本，并且在外部和内部数据集上表现良好。
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，他们目前正在计划这一试验。“BELA和类似的AI模型可以扩大IVF技术的可用性，使其惠及那些无法获得高端IVF技术和PGT测试的地区，从而提高全球IVF护理的公平性，”扎尼诺维奇博士说。
BELA设置为处理每个胚胎的大量图像数据，这也使研究人员相信它可以用于不仅仅是整倍体预测。“我们的希望是，这个模型还可以用于一般的胚胎质量估计、胚胎发育阶段预测以及其他功能，胚胎学诊所可以根据自身需求进行定制，”拉詹德兰说。
(全文结束)
