AI算法解密為何無法健康懷孕

    近年來，人工智能在生命科學領域悄然掀起新的革命。知名度最高的應用之一是美國公司開發的“阿爾法折疊”，它能夠利用人工智能準確預測蛋白質的靜態三維結構。前不久，中國科學家更進一步，開發出可以預測蛋白質動態結構的人工智能模型。近日，美國康奈爾大學醫學院發佈最新消息稱，研究團隊新開發出一種人工智能(AI)演算法，可避免活檢的缺點，非侵入性地確定體外受精胚胎的染色體數量是否正常，準確率約為百分之七十。

    研究人員指出，染色體數量異常，稱為非整倍體，是體外受精(IVF)胚胎無法植入或無法健康懷孕的主要原因。目前檢測非整倍體的方法之一涉及對胚胎細胞進行類似活檢的取樣和基因檢測，這種方法增加了IVF過程的成本，並且對胚胎具有侵入性。

    目前，醫生主要使用顯微鏡來評估胚胎是否存在與生存能力差相關的顯着異常。為了獲得有關染色體的資訊，醫生還可使用一種稱為植入前非整倍體基因檢測(PGT-A)的活檢方法。

    在新研究中，研究團隊開發了STORK-A演算法作為PGT-A的潛在替代方法，或作為一種更具選擇性的方式來決定哪些胚胎應該進行PGT-A測試。

    研究人員指出，新演算法STORK-A使用受精後五天拍攝的胚胎顯微鏡圖像、胚胎品質評分、母親年齡等資訊，會自動“學習”將數據的某些特徵與非整倍體的可能性相關聯。研究團隊在超過一萬個胚泡的數據集上訓練了STORK-A，這些胚泡的倍性狀態已知。他們在獨立數據集上測試了該演算法，發現了相當的準確性結果，證明了STORK-A的普遍性。

    研究人員評估後稱，該演算法在預測非整倍體與正常染色體“整倍體”胚胎方面的準確性接近百分之七十。在預測涉及多個染色體的非整倍體（複雜的非整倍體）與整倍體相比，STORK-A的準確率為百分之七十七點六。他們希望最終能夠使用AI和電腦視覺技術以完全非侵入性的方式預測非整倍體。此外，新演算法代表了在降低IVF胚胎選擇風險、減少主觀性、降低成本和提高準確性方面取得的進展。研究人員還稱，這是AI潛在改變醫學的一個很好的例子。

    有業內人士指出，上述研究則獨闢蹊徑，把人工智能應用於預測體外受精胚胎的染色體數量是否正常。無論在哪一種研究和應用中，人工智能都完美展示了其“過人之處”，即提升效率、降低成本、方便快捷。至於人工智能應用於預測體外受精胚胎的染色體數量何時廣泛使用，仍有待團隊進一步詳細公佈。

    美    子