【我們為什麼挑選這篇文章】不論在台灣還是中國，每年民眾的平均生育年齡都逐年上升，不孕比例也隨之上升。許多不孕夫妻會藉人工受孕（俗稱試管嬰兒）的方式來克服。但試管嬰兒不但成功率低且費用高昂，多數都須嘗試多次，耗費大把時間金錢才成功，過程之中還得承受皮肉之苦，十分辛苦。如今新技術的發表，居然有望能大幅提升人工受孕成功率。（責任編輯：郭俐伶）

不孕不育是常見的生殖健康問題。在中國政府發佈的《中國不孕不育現狀調研報告》中，中國的不孕不育率從 20 年前的 2.5%～3%，攀升到 12.5%-15% 左右，患者人數超過 5000 萬，也就是說，（在中國）每 8 對夫婦中就有 1 對存在不孕不育問題。

隨著試管嬰兒技術的發展，越來越多的不孕不育夫婦將其當作了最後的救命稻草。根據美國生殖醫學學會 2020 年的一份報告，僅在美國，就有 730 萬婦女與不育作鬥爭，每年有近 270 萬個試管嬰兒週期進行中。

但是，現有的試管嬰兒技術主要是醫療人員手動隨機選擇精子和卵子進行實驗室胚胎培養，在不清楚生殖細胞的活躍度和健康狀況的前提下，試管嬰兒的成功率並不算高，目前中國單次試管嬰兒的成功率為 30%，歐洲的成功率則為 36%。即使是在試管嬰兒技術最成熟的美國，成功率也只有 50%。同時，歐美國家的單次試管嬰兒費用為4 萬到 10 萬歐元，這對於普通家庭來說，負擔巨大。

♦ TO 延伸閱讀：【老司機の學堂】射精含有 1587.5 TB 資料量，你的硬碟爆量了嗎？

用 AI 演算法協助判定成功率最高的胚胎

人工智慧在這裡能做些什麼？

最近，以色列一家機器學習創業公司 AiVF 表示，與傳統方法相比，人工智慧有可能將體外受精（IVF）的成功率提高三倍。換句話說，至少根據實驗資料使用正確的AI 系統，夫妻懷孕的可能性要比不使用要高出好幾倍。

具體來說，AiVF 使用 ML 和電腦視覺技術，使胚胎學家能夠發現哪些胚胎在子宮內植入過程中，最有可能獲得成功。

編按：試管嬰兒須先將精子與卵子取出後，以人工方式讓精卵受精，成功受精後的受精卵需在培養皿中發育一小段時間，再植入回到母體子宮內著床並繼續發育為胚胎，一般來說，半數以上的受精卵都無法在這個階段成功在子宮中著床，著床後也有一定的機率在後續的懷孕階段流產。

這一「輔助懷孕演算法」的研究負責人Ron Maor 說，其在各種現成的 AI、機器學習和深度學習應用程式之上構建了自己的「定制」層。Maor 說，這些工具「處理胚胎圖像存在自身的特點，這與大多數 AI 任務截然不同。」

據I EEE 報導，AiVF 的 ML 技術涉及在孵化器中創建發育中的胚胎的延時視頻，在五天的視頻中顯示了胚胎發育中的各種里程碑階段。公司創始人Gilboa 解釋，傳統受精方法每天只能產生一張胚胎的顯微鏡圖像，而電腦視覺能夠捕獲更多圖像，成功率相比也更高。

「通過分析視頻，您可以挖掘出很多關鍵點，甚至可以發現人眼無法檢測到的許多功能。」Gilboa 說，「我們會在成功的胚胎上訓練演算法，然後教會演算法什麼是更成功的胚胎。」

每一次受精只能將一個胚胎植入子宮。Gilboa 說，一旦醫生植入了胚胎，胚胎學家將在 14 天內知道患者是否懷孕。

「胚胎學家一般會通過觀察胚胎瞭解它們發生了什麼，」Gilboa說。「而如果讓機器學習參與其中，那麼該演算法將在數百萬個胚胎上學習。」

正如 AiVF 的初步結果所暗示的那樣，電腦視覺和 ML 可能會降低 IVF 的價格，反過來說，這會使女性懷孕的成本降低。

「一旦有了這種數位胚胎學家，您就可以更輕鬆地建立會診中心，」 Gilboa 說。「每個孕育診所的可擴展性都更大。更多的人可以享受試管嬰兒，並實現自己想要生孩子的夢想。」

♦ TO 延伸閱讀：不用請商攝！台灣新創「選優科技」靠 AI 幫小電商省下 97％ 商品照成本

用 AI 技術預測後續的孕期風險

除了胚胎選擇和受精，懷孕成功後，人工智慧也大有可為。

根據《美國病理學雜誌》（American Journal of Pathology）上發表的文章，機器學習模型可以分析胎盤載玻片，並在未來的懷孕中告知更多女性健康風險，從而降低醫療成本並改變治療結果。

1、孕期胎盤併發症

當嬰兒出生時，醫生有時會檢查胎盤的某些特徵，這些特徵可以發現在未來懷孕中存在的健康風險，比如通過分析胎盤尋找一種稱為蛻膜性血管（DV）的血管病變。

這些症狀會提前發現母親是否有子癇前症（妊娠毒血症）的風險，這種併發症在任何未來的懷孕中都會對母親和嬰兒都致命。而如果能夠被提前發現，子癇前症就可以得到治療，因此在症狀出現之前識別高危母親有相當大的益處。

但是，單個載玻片中會存在數百個血管，但僅需一個患病的血管，母親和孩子就會面臨危險。這使得檢查胎盤成為一項極為耗時耗力的過程，必須由專科醫生親自進行。

♦ TO 延伸閱讀：【男人專屬冷知識】人類精子無法向左轉，卻游得比奧運選手還快！

2、機器學習如何預測懷孕風險？

研究人員說，病理學家經過多年的訓練才能在這些圖像中發現疾病，但是由於同時檢測的孕婦數量多，婦科醫生有時候沒有辦法全神貫注地檢查每個胎盤，很容易錯過有問題的血管。

現在，研究人員訓練了一種機器學習演算法，通過各種標注了「患病」和「健康」的資料集訓練機器，以識別胎盤樣品薄片中圖像的某些特徵。

由於電腦很難看清大圖並對其進行分類，因此該團隊採用了一種新穎的方法，電腦可以通過它採取一系列步驟來使任務更易於管理。

首先，電腦檢測圖像中的所有血管，分別考慮每個血管，創建相似的資料包進行分析。

來自資料集顯示血管的圖像

然後，電腦可以定位每個血管並確定是否應將其視為疾病或健康。在此階段，該演算法還考慮了懷孕的部分特徵，例如胎齡、出生體重以及母親可能有的任何狀況。如果有任何患病的血管，則將圖片標記為患病。該工具實現了 94％ 的敏感性和 96％ 的特異性的個體血管分類率，曲線下面積為0.99。

雖然演算法可以説明病理學家通過掃描圖像，定位血管並找到識別出的血管圖案來瞭解他們應該關注哪些圖像。

研究小組指出，該演算法旨在作為醫師的輔助工具，幫助他們快速而準確地評估胎盤載玻片，以加強對患者的護理。

3、人工智慧輔助婦產科醫生，為孕婦控管孕期風險

不過，這種演算法並不會取代病理學家。而是通過標記病理醫生應仔細觀察的圖像區域，為醫生減輕一大部分工作量，進而説明加快處理速度。

和多數人機協作一樣，在工程與醫學之間的醫療保健領域建立合作夥伴關係非常重要，也對於在醫療保健中使用人工智慧具有重要意義。隨著醫療行業越來越多地接受AI的作用，以及醫生與電腦科學家和工程師合作，我們也可以設計和開發更多合適的工具來對醫療工作，特別是母親孕育的整個過程產生積極影響，為整個生產過程保駕護航。

（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈AI賜子？！學習數百萬個胚胎發育過程，演算法可將試管嬰兒成功率提高3倍〉。）

♦ TO 延伸閱讀：【這樣偽裝也給過？】AI 研究團隊列印這款「眼鏡」，成功解鎖 19 款安卓手機