综述：非整倍体胚胎的无创选择：三种最有前景方法的前景与陷阱

这篇综述系统评估了三种非侵入性胚胎植入前遗传学检测(PGT-A)技术：人工智能(AI)、无创PGT-A(niPGT-A)和代谢组学。研究显示AI预测胚胎植入的AUC值达0.7，优于传统形态学选择但略逊于侵入性PGT-A；niPGT-A与活检结果一致性最高达100%，但多中心研究显示因母源污染仅78%；代谢组学虽处于早期阶段，已展现90%的植入预测准确性。三种技术各有优势，组合应用或将成为未来方向。

　　

Abstract

当前IVF领域面临的核心挑战在于平衡胚胎选择准确性与操作侵入性。传统形态学评估的妊娠率仅30-50%，而侵入性PGT-A虽应用于60%的美国IVF周期，却存在活检损伤、嵌合体干扰等争议。本综述聚焦AI、niPGT-A和代谢组学三大技术，通过系统分析>50个周期的临床数据，揭示其突破性进展与现存瓶颈。

Embryo selection using artificial intelligence (AI)

时间延迟成像(TLI)技术与深度学习算法的结合，使胚胎评估进入智能化时代。研究显示：

1. 性能指标：AI模型预测胚胎整倍体的ROC-AUC介于0.7-0.75，较形态学评估提升5-15%。STORK-A系统通过单张囊胚图像即可实现97.5%的优质胚胎识别，但仅适用于EmbryoScope系统。
2. 关键突破：VerMilyea团队开发的模拟队列排序法，使AI在82%案例中优先选择整倍体胚胎，较随机选择提升26%。而ERICA算法通过静态图像分析，对非整倍体的阴性预测值达94.4%。
3. 现存局限：训练数据偏差显著影响结果——包含废弃胚胎的数据集ROC-AUC虚高至0.9，而全结局已知数据集仅0.6-0.7。最新多中心RCT研究(iDAScore^TM
   vs 人工评估)显示两者临床妊娠率无统计学差异(48.2% vs 46.5%)。

Non-invasive PGT (niPGT) of embryonic cell free DNA

囊胚腔液(BF)和培养液(SCM)中的游离DNA成为研究焦点：

1. DNA来源之谜：BF中DNA片段呈180-200bp规律分布，提示凋亡起源；而SCM中大片段DNA可能源于坏死细胞或母源污染(最高达50%)。
2. 技术优化：
   • 序贯洗涤方案使day6样本一致性提升至85%
   • 冻融操作可使DNA浓度从15ng/μL增至22ng/μL
   • 多中心数据显示：BF+SCM联合检测与全胚胎分析一致性达96-100%
3. 临床验证：Sun等人的三臂试验显示niPGT-A组累积活产率(LBR)达44.9%，虽略低于传统PGT-A组(51%)，但显著高于对照组(27.9%)。

Non-invasive embryo selection by metabolomics

代谢组学通过分析培养液中的"代谢指纹"开辟新途径：

1. 标志物发现：
   • 色氨酸/精氨酸代谢通路与植入潜力显著相关
   • 半胱天冬酶-3水平降低与妊娠结局正相关(p<0.05)
2. 预测模型：
   • 基于36个生物标志物的代谢妊娠指数(MPI)模型，阳性预测值达88%
   • 在独立验证集中，对非整倍体胚胎识别准确率达97.5%
3. 独特优势：可识别30.95%的"染色体正常但代谢异常"胚胎，这类胚胎即使通过PGT-A筛选仍会植入失败。

Conclusions

三种技术呈现互补特性：AI实现高效初筛但依赖设备，niPGT-A接近活检精度却受制于标准化流程，代谢组学独辟蹊径揭示功能异常。未来可能的发展路径包括：

1. 组合niPGT-A与代谢组学，同步检测遗传异常和代谢缺陷
2. 开发跨平台AI算法，降低对特定培养系统的依赖
3. 建立胚胎游离DNA片段大小标准，区分真正胚胎源性DNA
   值得注意的是，即使实现100%的非侵入性整倍体识别，仍有30%胚胎因其他因素植入失败，这提示我们需要更全面的评估体系。