如今，不孕症正迅速成为一种流行病:在发展中国家，四分之一的夫妇患有不孕症，而全球约有4850万对夫妇患有不孕症。
体外受精(IVF)是解决这些群体生育问题的一种方法。然而，尽管体外受精潜力巨大，但结果却难以预料。更糟糕的是，很少有机会获得生殖保健。即使在美国这样的发达市场，也只有2%的不孕不育人群使用试管婴儿。
"体外受精已有40多年的历史."通过人工智能提供此类服务的初创公司Fairtlity的首席执行官Eran Eshed说。“尽管生物技术领域有很多创新，但令人惊讶的是，很少有数据和人工智能等技术用于该领域来影响结果。”
虽然数据科学无法解决生物学问题，但Eran Eshed认为，人工智能将在每个决策步骤中加强体外受精过程。
现在，数据科学在生育方面显示出令人兴奋的应用效果。可提高胚胎学家能力周期50%，活产率4%。
体外受精的缺陷
体外受精(IVF)是一种生育技术。卵子首先从人类卵巢中取出，然后在实验室里与精子受精。成功受精的卵子，即胚胎，将被植入子宫进行生长。
在这个过程中，临床医生和胚胎学家会在几个关键环节做出很多决策。"这些决定是基于经验、直觉和一套非常非常基本的规则做出的."Eran Eshed说。
现在，体外受精面临两大挑战:
1.很难得到照顾
Eran Eshed指出:“当只有2%的受影响人群可以利用体外受精时，显然获得护理服务是一个大问题。”生殖内分泌学家、西雅图生殖医学合伙人杰拉德·莱特里(Gerard Letterie)博士说:“目前，体外受精主要用于不孕患者——那些通过常规或口服药物等简单治疗无法怀孕的人，这是相对有限的一部分人群。”
后者预计未来的患者将包括那些对通过卵母细胞冷冻保存或胚胎创造来保持生育能力感兴趣的人。他预测:“这将显著增加寻求辅助生殖技术治疗服务的患者数量。”
2.结果不确定。
体外受精的成功率有多大?像单次体外受精，受孕概率在30%左右。因此，大多数患者需要经历多个周期才能顺利活产。
尽管体外受精的成功会受到年龄的影响，但数据显示，即使是最年轻、最健康的女性也会在大多数体外受精周期中失败，其结果很大程度上取决于临床过程中所做的决定和胚胎学家的专业知识。
人工智能可能重塑生育治疗
体外受精始于临床医生对不孕原因的评估。“然后就会进入刺激阶段，也就是医生会决定最佳的卵巢刺激方案。”Eran Eshed说。
下一步通常是收集卵子和精子，用精子使卵子受精产生胚胎，然后在诊所进行胚胎培养，并将胚胎移植给母亲，几个月后最终分娩。
“当人们经历这个过程时，每个阶段的成功率都会明显下降。”Eran Eshed说。通常有6到7个战略决策点来决定每一步的有效性。"在商业世界中，我们称之为可以产生影响的杠杆点."
这些点包括临床医生对刺激药物方案或取卵时间的确定，而在实验室中，胚胎学家会通过解读卵母细胞(发育中的卵子)、精子、胚胎细胞(受精卵)的图像做出几种判断。
Gerard Letterie博士认为，“人工智能可以使决策过程更加简化和高效。”例如，基于卷积神经网络的复杂图像分析可以帮助胚胎学家解释图像内容并改善结果。
根据行业报告，到2026年，全球体外受精市场将达到约360亿美元，而Gerard Letterie博士预测，“将没有足够多的熟练胚胎学家来满足不断增长的需求。”最近，生育领域出现了大量的技术投资，包括几家由人工智能驱动的创业公司。
Eran Eshed在以色列创立了Fairtility，解决人工智能胚胎分析面临的严峻挑战。该公司在最近的首轮融资中筹集了1500万美元。其他创业公司，如Emrbyonics、Mojo和ALife，也提出了基于人工智能的生育解决方案，用于分析胚胎和评估精子质量，并制定个性化的体外受精治疗方案。
人工智能如何彻底改变胚胎分析?
胚胎分类是由胚胎学家完成的。他们将手动检查照片，寻找一组视觉上可检测的特征。相比之下，Fairness使用计算机视觉算法来增强这一过程，并预测胚胎植入后可能产生的影响。
采用的人工智能算法基于20多万个胚胎视频和500多万个临床数据点。这些数据点来自不同的患者群体，以便人工智能模型可以分析即使是最有经验的胚胎学家也往往无法检测到的细微特征。
Fairness的解决方案CHLOE是一个基于云的系统，可以支持人工智能的胚胎选择决策。该工具集成了延时成像(TLI)系统，可以提供从受精到胚泡阶段的连续预测。当TLI捕捉不同发育阶段的胚胎图像时，它们会被自动识别、分割和分析。
人工智能模型除了实现这一过程的自动化，还有助于精确量化胚胎的大小、面积、形状、比例和对称性。“这不是人类可以做到的，所以从某种意义上来说，我们给这个过程带来了更多的智能。”Eran Eshed说。这些精确的信息，加上着床概率，使胚胎学家能够为TLI设备中培养的每个胚胎做出数据驱动的决策。
根据提交给欧洲人类生殖和胚胎学学会(ESHRE)的一篇论文，克洛伊算法在预测胚泡、着床和遗传健康方面的准确率分别为96%、71%和69%。这一结果提高了胚胎学家对胚胎存活率的预测，目前的预测数据约为65%。
此外，人工智能解决方案可以帮助胚胎学家识别异常情况，如不寻常的卵裂模式，或严重的碎片化，或可能被忽略的原核异常。因此，克洛伊提高了选择健康胚胎的可能性。
虽然胚胎选择和处理效率的结果有所改善，但该研究并未证明活产率的具体改善，而活产率被视为生育质量的黄金标准。
对此，Eran Eshed澄清道:“人工智能不能也不应该取代胚胎学家和临床医生。重要的是，无论医生的经验或工作量如何，每个病人都应该得到相同和最高标准的护理。”克洛伊可以提供一个公平的机会。
公平以SaaS模式为世界各地的诊所和公平中心提供解决方案。它在世界各地拥有超过25个活跃的装置，并已获得CE认证(欧洲安全、健康和环境认证)。据悉，该产品正处于FDA的审批阶段。
通过人工智能产生影响的三个先决条件
为了实现人工智能的全部潜力，必须克服几个关键挑战:
1.解决数据可用性问题
“数据是这个领域的一个巨大挑战。”数据范围包括治疗历史记录、电子病历(EMR)、超声图像和视频。Eran Eshed说，虽然数据存在，但它们高度分散，没有很好的计划和组织。即使在今天，一些诊所仍然将记录保存在物理档案中。因此，整个过程必须数字化，以获得端到端的视角，人工智能模型可以从中学习。
2.集成到工作流程中
"就工作流和过程开发而言，当前的实践仍然不成熟."杰拉德·莱特里博士说。只有将这种人工智能解决方案集成到临床和实验室工作流程中，我们才能帮助促进更好的结果，“它还需要教育所有利益相关者。”例如，Gerard Letterie博士计划根据即将召开的ESHRE会议上的演讲内容，推出一套关于人工智能在生育中的应用的课程。
3.促进信任和采纳
即使其有效性被证明后，实现临床和常规使用仍需要时间。Eran Eshed警告说:“永远不要低估变革的阻力。一个花哨的人工智能解决方案可能不会打动任何人。”
Gerard Letterie博士分享了一个β-受体阻滞剂的例子，β-受体阻滞剂是一种预防心血管疾病的药物。这些药物最初用于从心肌梗塞(MI)中恢复的患者，以防止心脏病的复发。尽管研究表明β受体阻滞剂的发病率和死亡率明显降低，但将β受体阻滞剂纳入临床常规治疗仍需7年以上时间。
“同样，我们必须说服临床医生和胚胎学家，使用人工智能工具将改善结果，但这是一场艰苦的战斗。大多数从业者并不熟悉人工智能及其在临床环境中的应用，因此他们非常不愿意改变自己的执业模式。”Gerard Letterie博士认为，在期待其被广泛采用之前，需要对结果进行明显的改进。此外，人们还必须接受建立信任时的时间延迟。
未来的护理将变得很平常。
Gerard Letterie博士预测，随着体外受精成功率的提高和护理成本的降低，体外受精的普及程度将会提高。随着对其生育能力的进一步了解，患者将能够通过冷冻精子、卵母细胞或胚胎来采取早期行动。
他还表示，智能手机将是促进生殖健康保健发展的最大和最重要的因素之一。
作者是福布斯撰稿人，本文观点仅代表个人。