慶應義塾大學、近畿大學和東京大學的聯合研究小組成功開發了一種預測小鼠受精卵誕生的人工智能,準確率為 83.87%。
體外受精(IVF)作為生育治療的一種,依靠胚胎學家的視覺判斷來評價受精卵的質量,準確評價相互導致的受精卵變得困難。事實上,試管嬰兒的療效很低,日本輔助生殖技術的懷孕成功率僅為12.6%。
另一方面,通過分析連續捕捉小鼠受精卵細胞分裂狀態的活細胞成像圖像,我們小組正在努力獲取導致出生預測的指標,如染色體分離異常、卵裂同步和發育。速度。它在這裡。特別是,2020 年開發的定量標准採集網絡 (QCANet) 是一種獨特的圖像處理技術,它使用深度學習算法卷積神經網絡從發育中的胚胎圖像中高效地僅提取細胞核,做出了貢獻獲得小鼠發育過程中的眾多定量指標。
這次,利用這個QCANet,我們開發了一種新的AI算法Normalized Multi-View,通過機器學習多變量時間序列數據來預測出生,例如從導致懷孕的小鼠胚胎和流產的胚胎中提取的形態特徵構建了一個注意力網絡(NVAN)。 NVAN 對小鼠受精卵的出生預測準確率達到 83.87%,超過了現有的機器學習方法(74.19%)和胚胎學家的目視檢查(64.87%)。此外,通過回顧性闡明有助於 NVAN 出生預測的胚胎形態學特徵,我們發現細胞核的形狀和桑葚期細胞分裂的時機對小鼠胚胎的出生很重要。
該方法有望在未來應用於人類受精卵,作為體外受精胚胎評價的一項新的基礎技術,有望為輔助生殖技術提高妊娠率做出貢獻。