人工智能辅助胚胎选择对体外受精周期每移植临床妊娠率的影响:系统综述与Meta分析

《European Journal of Obstetrics & Gynecology and Reproductive Biology》:Impact of artificial intelligence in embryo selection to improve pregnancy rates per transfer in IVF cycles: a systematic review and meta-analysis

【字体: 大 中 小 】 时间:2026年10月17日 来源:European Journal of Obstetrics & Gynecology and Reproductive Biology 2.3

编辑推荐:

  人工智能(AI)在胚胎选择中提高体外受精(IVF)周期每移植妊娠率的影响:系统综述与Meta分析。• 对体外受精(IVF)中人工智能(AI)辅助胚胎选择进行的系统综述与Meta分析。• 纳入10项研究(2013—2024);其中2项为Meta分析提供数据。•

  
人工智能(AI)在胚胎选择中提高体外受精(IVF)周期每移植妊娠率的影响:系统综述与Meta分析。• 对体外受精(IVF)中人工智能(AI)辅助胚胎选择进行的系统综述与Meta分析。• 纳入10项研究(2013—2024);其中2项为Meta分析提供数据。• 与形态学相比,临床妊娠率(CPR)无实质性差异(RR=0.99)。• AI技术(iDAScore、KIDScore)显示出稳健的预测准确性(AUC 0.85–0.96)。• 关于着床率(IR)和活产率(LBR)的证据有限且不一致。• 人工智能(AI)可能减少观察者间变异;然而,临床优效性尚未确立。
本研究围绕人工智能(artificial intelligence, AI)辅助胚胎选择能否改善体外受精(in vitro fertilization, IVF)周期每移植临床妊娠率(clinical pregnancy rate, CPR)这一问题展开。胚胎选择是决定IVF成功的关键步骤之一。传统上,胚胎学家依据形态学分级或近期采用的时间-lapse成像(time-lapse imaging, TLI)进行决策。但这些方法虽广泛应用,仍具有主观性,易受观察者间变异影响,并且对植入、临床妊娠或活产等核心结局的可靠预测常不足。近十年,AI尤其是深度学习(deep learning, DL)算法被用于支持胚胎选择;iDAScore、KIDScore等系统处理静态胚胎图像和动态时间-lapse序列,提供标准化、可重复、数据驱动的胚胎活力预测。其他平台如EMA(Embryo Ranking Module)和Chloe也被开发,但临床测试和验证不如前者广泛。一些研究认为AI可等同或超越经验丰富的胚胎学家预测植入或妊娠结局,另一些研究显示AI与传统形态学基本相当,呈非劣但无明确优效。差异可能受试验设计、患者群体、训练数据规模与质量、AI模型类型影响。近期综述呼吁不能仅看技术性能,还需考虑生物学、临床及心理社会因素,并指出缺乏标准化结局和长期随访。因此,研究人员纳入2013—2024年随机对照试验(randomized controlled trial, RCT)和设计良好的观察性研究,排除非整倍体植入前遗传学检测(preimplantation genetic testing for aneuploidy, PGT-A)以降低混杂,主要结局为CPR,着床率(implantation rate, IR)和活产率(live birth rate, LBR)在报告时进行叙述性总结。研究人员开展的是系统综述与Meta分析,遵循系统综述和Meta分析优先报告条目(Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA)2020。共10项研究符合纳入标准,其中2项提供可合并的CPR数据。结论显示,AI辅助胚胎选择在预测性能上常表现较强,但每移植临床结局改善证据弱;合并CPR显示AI与形态学无显著差异(RR=0.99,95% CI 0.87–1.12;I2=26.5%),支持非劣性而非优效性。其意义在于提示当前AI可作为辅助工具,减少观察者间变异,但尚不能替代临床判断,需更大规模多中心RCT验证。

主要关键技术方法:研究人员检索PubMed、Scopus、Embase和Cochrane Library(2013年1月至2024年4月),纳入RCT或高质量观察队列;干预为AI辅助胚胎选择(iDAScore、KIDScore或定制DL、卷积神经网络(convolutional neural network, CNN)、支持向量机),对照传统形态学±TLI,报告CPR/IR/LBR,排除PGT-A或提供非PGT-A亚组。两名研究人员独立用Rayyan平台筛选、全文评估和数据提取;RCT采用Cochrane偏倚风险2(Risk of Bias 2, RoB 2),观察性研究采用纽卡斯尔-渥太华量表(Newcastle–Ottawa Scale, NOS)。使用RevMan 5.4进行随机效应Meta分析,计算风险比(risk ratio, RR)和95%置信区间(confidence interval, CI),以I2评估异质性;仅CPR定量合并,未做发表偏倚检验。样本队列来源包括美国、欧洲、中国、日本、韩国、澳大利亚等,部分为多中心,如22个IVF中心、11个IVF中心。

研究结果:
研究选择(Study selection):四个数据库初检378条记录,去除78条重复后筛选300条题录,240条因不符合标准排除;60篇全文评估,50篇排除,原因包括焦点不相关20篇、PGT-A未单独报告非PGT-A亚组18篇、缺乏临床结局12篇。最终10项研究纳入系统综述,2项提供CPR组别水平数据用于Meta分析,8项贡献预测性能结局。
纳入研究特征(Characteristics of included studies):10项研究发表于2019—2024年,来自美国、欧洲、中国、日本、韩国和澳大利亚。设计为1项RCT和9项观察队列。样本量从少于300个IVF周期到超过180,000个胚胎评估不等。AI方法包括CNN、其他DL框架以及iDAScore、KIDScore等商业平台。仅两项报告可合并CPR组别数据,其余主要报告预测结局,如AUC、准确率或按AI评分分层的CPR。患者群体(自体卵母细胞与供卵)未一致分层。
主要结局(Main outcomes):AI辅助胚胎选择在预测方面可能优于传统形态学,但证据强度因终点而异。
着床率(Implantation rate, IR):IR报告不一致,无法定量合并。Huang et al. (2022)发现AI评估与较高植入概率相关;Lassen et al. (2021)在超过180,000个胚胎中显示iDAScore v2.0具有强区分准确度。这些发现仍应视为初步。
临床妊娠率(Clinical pregnancy rate, CPR):仅两项研究提供可合并组别数据。合并估计显示AI较传统形态学无获益证据(RR=0.99,95% CI 0.87–1.12;I2=26.5%),支持当前AI工具与标准方法相当而非超越。其他研究未提供组别CPR数据,而集中于预测性能,AUC多介于0.85–0.96。Ueno et al. (2021)报告CPR四分位从69.6%至17.3%;Krag et al. (2021)报告AI约60% vs 形态学51%;Bormann et al. (2020)准确率约75% vs 胚胎学家67%;VerMilyea et al. (2020) AUC约0.90 vs 形态学约0.60;Borna et al. 准确率约83%、精确率约80%;Lassen et al. (2023) iDAScore v2.0较v1.0的AUC改善且经年龄校正;Boucret et al. KIDScore D5中KID+胚胎较KID?有显著更高植入率。
活产率(Live birth rate, LBR):两项比较研究也报告LBR。AI组数值较高,但异质性和样本量限制使定量合成不可行。需要标准化结局报告的大型RCT验证趋势。
发表偏倚评估(Assessment of publication bias):因仅两项比较研究提供组别数据,无法构建有意义漏斗图,也未进行Egger等不对称检验。此举符合Cochrane手册在少于10项研究时的建议,但不能排除发表偏倚。

讨论部分总结:
主要发现与解释(Main findings and interpretation):本系统综述和Meta分析综合了AI在IVF胚胎选择中的当前证据。iDAScore和KIDScore等算法在观察性研究中反复显示较强预测准确性,但每移植临床结局改善证据弱。EMA和Chloe等其他商业平台未被纳入研究评估,反映其验证有限。合并分析基于两项比较研究,均显示AI辅助与形态学选择在CPR上无显著差异。两项试验报告AI组LBR数值更高,但数据太少无法正式Meta分析。IR在观察性研究中报告不一致,限制定量合成。八项研究主要评估预测性能,多数AUC或准确率在0.85–0.96。总体提示AI模型可识别传统形态学之外的临床相关特征,但其转化为每周期结局改善尚未证实。解释需谨慎,因比较试验少、观察性证据为主、AI模型设计和训练数据集异质、缺乏母龄或供卵与自体周期分层。发表偏倚也无法正式评估。
已发表文献背景(Results in the context of published literature):原文在此小标题下未提供独立展开内容。
实践与研究意义(Implications for practice and future research):AI在每移植CPR上非优的发现需谨慎临床解读,而非否定。即使每周期妊娠率无可测增益,AI辅助胚胎评分可能带来当前证据未捕获的益处。累积活产率(cumulative live birth rate, CLBR)是IVF最以患者为中心的结局,但无纳入研究报告,限制CPR发现的临床意义。AI工具可能减少每活产所需移植总数和胚胎丢弃风险,即使单周期结局与形态学统计等效。流产率和至妊娠时间也未研究。未来试验必须预设这些患者中心结局,并将CLBR作为AI比较RCT的主要终点。AI胚胎评分系统仅基于表型形态学数据,而胚胎活力受染色体构成、线粒体DNA拷贝数、卵母细胞质量、精子DNA碎片和子宫内膜容受性影响,这解释了强AUC不必然转化为每周期临床结局改善。未来多模态系统整合形态学、遗传和内膜数据可能更强。方法学问题包括多数模型缺乏外部验证,AUC可能反映过拟合;训练数据类别平衡未统一表征;时间-lapse AI中数据泄漏风险未一致处理;DL“黑箱”性质阻碍临床信任和监管批准。临床方案异质性也会混杂AI性能比较。尚无研究按移植策略(单胚胎移植(single embryo transfer, SET)与双胚胎移植(double embryo transfer, DET))或卵子来源区分AI性能。未来应预设母龄、卵子来源和既往IVF失败亚组,因为AI可能在传统形态学区分力最低的人群中增量价值最大。验证需扩展至低资源中心和不同成像系统,并需在相同条件下进行头对头平台比较。
优势与局限(Strengths and limitations):本系统综述是最早综合RCT和观察性研究评估AI在IVF胚胎选择中应用的研究之一,并有意排除PGT-A以减少混杂。优势包括多数据库广泛检索、严格遵循PRISMA 2020、使用验证过的质量评估工具,即RCT用RoB 2,观察性研究用NOS,并覆盖从CNN到iDAScore和KIDScore等多种AI方法。局限包括仅2/10研究可定量合成,合并估计CI宽,严重限制检测临床有意义效应;无法构建漏斗图和正式发表偏倚检验,不能排除阴性AI研究选择性未发表;观察性证据为主限制因果推断;多数研究未按母龄或供卵与自体周期分层;EMA、Chloe等新平台验证不足,限制外推。
推进证据基础的优先事项(The following priorities are identified for advancing the evidence base):最迫切需要更大规模多中心RCT,目前仅两项比较试验;未来研究须采用CPR、IR、LBR标准化结局定义,并预设患者中心终点,包括CLBR、流产率、至妊娠时间、胚胎丢弃率,CLBR尤其应成为所有AI比较试验的主要终点。方法学透明度必要:发表应说明模型架构、训练数据集特征、数据处理实践,包括PGT-A排除,并尽可能共享数据。验证须扩展至低资源环境、不同成像系统和患者人群。需在相同条件下直接头对头比较CNN、集成模型和iDAScore、KIDScore等商业平台。未来AI系统应整合形态学评分与子宫内膜容受性、代谢标志物和遗传谱等生物数据,以克服仅表型输入造成的生理上限。应预设按母龄、卵子来源和既往IVF失败分层的亚组分析。最后,研究应评估围产健康、儿童发育和成本效果等长期结局。

研究结论(Conclusion)翻译:本综述与Meta分析强调,使用AI支持IVF胚胎选择的兴趣日益增长。AI工具常对胚胎活力显示强预测性能。即便如此,临床图景远未完整。两项可用的比较试验发现CPR无明确增益(RR=0.99,95% CI 0.87–1.12,I2=26.5%)。在实际意义上,AI未超过标准形态学,但也并非劣于标准形态学。关于着床和活产的证据仍不完整且不一致,使确切结论难以得出。应用GRADE框架(GRADE framework)时,CPR的确定性评为低至中等,而LBR和IR的证据确定性非常低,反映报告有限且异质。因此,尽管思路有吸引力,当前证据基础仍薄弱。仍需更大规模多中心RCT以确定AI能否在不同IVF环境中真正改善活产结局。
临床意义(Clinical implications)翻译:目前,AI暂时可被视为临床判断的有益辅助,而非替代。其主要优势在于产生客观胚胎评分、减少观察者间变异并支持胚胎学家专业判断。但人类监督仍至关重要,原因包括伦理、患者个体化决策和整合更广泛临床因素。长期看,AI最有用之处可能不是作为独立解决方案,而是作为协作过程的一部分,由计算工具补充临床知识。这种联合方法可能在一定程度上提高IVF效率和患者结局。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号