庆应义塾大学、近畿大学和东京大学的联合研究小组成功开发了一种人工智能,可以预测小鼠受精卵的出生,准确率达到 83.87%。
体外受精(IVF)是生育治疗的一种,依靠胚胎学家的视觉判断来评估受精卵的质量,准确评估相互导致的受精卵变得困难。事实上,试管婴儿的疗效很低,日本辅助生殖技术的妊娠成功率仅为12.6%。
另一方面,通过分析连续捕捉小鼠受精卵细胞分裂状态的活细胞成像图像,我们小组正在努力获取导致出生预测的指标,例如染色体分离异常、卵裂同步性和发育速度,来了特别是 2020 年开发的 Quantitative Criteria Acquisition Network (QCANet) 是一种独特的图像处理技术,它使用卷积神经网络这种深度学习算法,从发育中的胚胎图像中有效地仅提取细胞核。在小鼠发育过程中获得大量定量指标。
这一次,使用这个 QCANet,我们开发了一种新的 AI 算法 Normalized Multi-View,它通过机器学习多变量时间序列数据来预测出生,例如从导致怀孕的小鼠胚胎和流产的胚胎中提取的形态特征。 (NVAN)。 NVAN 对小鼠受精卵的出生预测准确率达到了 83.87%,超过了现有的机器学习方法 (74.19%) 和胚胎学家的目视检查 (64.87%)。此外,通过回顾性地阐明有助于 NVAN 出生预测的胚胎形态特征,我们发现细胞核的形状和桑椹胚阶段细胞分裂的时间对于小鼠胚胎的诞生很重要。
该方法有望在未来作为体外受精胚胎评价新的基础技术应用于人类受精卵,并希望通过辅助生殖技术为提高受孕率做出贡献。