根据威尔康奈尔医学院研究人员的一项新研究，人工智能(AI)算法可以非侵入性地确定体外受精(IVF)胚胎的染色体数量是正常还是异常，准确率约为70%。

人工智能帮助发现有遗传问题的体外受精胚胎

这种情况被称为非整倍体，是来自IVF的胚胎无法植入或导致健康怀孕的主要原因。目前，检测非整倍体的方法之一涉及对胚胎细胞进行活检样取样和基因检测，这既具有侵入性，又增加了IVF过程的成本。称为STORK-A的新AI算法可以帮助预测非整倍体，而没有这些缺点。它通过分析胚胎的显微镜图像进行操作，并结合有关母亲年龄和IVF诊所对胚胎外观评分的信息。

“我们希望最终能够使用人工智能和计算机视觉技术以完全非侵入性的方式预测非整倍体，”该研究的资深作者、计算基因组学副教授ImanHajirasouliha博士说。威尔康奈尔医学院的生理学和生物物理学。

目前，生育诊所的工作人员使用显微镜来评估胚胎是否存在可能表明生存能力差的大规模异常。他们还可以使用一种称为植入前非整倍体基因检测(PGT-A)的活检方法，主要针对37岁以上的女性，以获取有关染色体的信息。为了开发一种胚胎评估的计算方法，生殖医学中心的研究人员与英格兰研究所的同事合作。在之前的一项研究中，他们开发了一种名为STORK的AI算法，该算法能够评估胚胎质量以及IVF诊所工作人员。

对于当前的研究，他们开发了STORK-A作为PGT-A的潜在替代品，或者作为一种更具选择性的方式来决定哪些胚胎应该接受PGT-A测试。STORK-A使用在受精后五天拍摄的胚胎显微镜图像，以及诊所工作人员对胚胎质量、母亲年龄和通常在IVF过程中收集的其他信息的评分。人工智能算法“学习”将数据的某些特征与非整倍性的可能性相关联，这些特征对于人眼来说通常过于微妙。该团队在10,378个胚泡的数据集上训练了STORK-A，这些胚泡的倍性状态已知。

从其性能来看，该算法在预测非整倍体与正常染色体“整倍体”胚胎方面的准确率接近70%(69.3%)。在预测涉及多个染色体的非整倍性(称为复杂非整倍性)与整倍性相比，STORK-A的准确率为77.6%。然后，该算法在独立数据集上进行了测试，包括来自西班牙一家IVF诊所的数据集，并获得了类似的结果。

研究人员认为，STORK-A有可能提高IVF的成功率，并以更少的胚胎移植实现更成功的妊娠。他们计划进一步开发和测试该算法，以提高其准确性并确定其临床应用潜力。