文/Ganes Kesari
如今，不孕不育正迅速成为一种流行病：在发展中国家，有四分之一的夫妇受到不孕不育的影响，而全世界约有4,850万对夫妇患有不孕不育症。
对于这类群体的生育问题，体外受精（IVF）是一种解决办法。不过，虽然体外受精很有潜力，但结果是不可预测的。更糟糕的是，获得生育护理的机会非常少。即使在美国这样的发达🧜市场，也只有2%的不孕不育人士使用了体外受精。
“体外受精已经有40多年的历史了。”通过人工智能提供该类服务的初创公司Fairtlity的C👍EO Eran Eshed说。“尽管在生物科技方面有很多创新，但令人惊讶的是，这个领域几乎没有使用数据和人工智能等技术来影响结果。”
虽然数据科学不能解决生物学问题，但Eran Eshed认为，人工🐼智能将在每一个决策步骤中强化体外受精过程。
现在，数据科学在生育方面正出现令人兴奋的应用效果，它可以将胚胎学家的能力周期提高50%，并将活产率提高4%。
体外受精的不足之处
体外受精是一种生育技术，先从人♏的卵巢中取出卵子，然后在实验室中与精子进行受精，成功受精的卵子，即胚胎，会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许多决定。“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来的。”Eran Eshed表示。
现在，体外受精面临着两个关键挑战：
1. 难以获得护理
Eran Eshed指出：“当只有2%的受影响人群可以利用体外受精时，很明显，获取护理服务是一个很大的问题。”西雅图生殖健康机构Seattle Reproductive Medicine的合伙人、生殖𒅌内分泌学家Gerard Letterie博士则称：“体外受精目前主要用于不孕不育患者——那些无法通过定时性交或口服药物等简单🌱治疗手段来怀孕的人，而这是人口中相对有限的一部分。”
后🍸者预计，未来的患者将包括那些对通过冷冻卵子或创造胚胎来保存生育力感兴趣的人。他预测：“这将显著增加寻求辅助生殖技术治疗服务的ℱ患者数量。”
2. 结果不确定
体外受精有多大的成功率？像单次体外受♕精受孕的几率约为30%。因此，大多数患者需要经历多个周期才能获ꩵ得成功的活产。
虽然体外受𝄹精的成功与否会受到年龄影响，但数据显示，即使是最年轻和最健康的女性，大多数体外受精周期也会失败，而其结果在很大程度上取决于临床过程中做出的决定和胚胎学家的专业知识。
人工智能可能会重塑生育治疗
体外受精过程始于临床医生对不孕原因的评估。“然后就进入刺激阶段，即医生会决定最佳的卵巢刺激方案。”Eranဣ Eshed表示。
接下来的通常步骤💙便是收集卵子和精子，用精子使卵子受精而产生胚胎，之后在诊所进行胚胎培养，并将胚胎移植给母亲，最终在几个月后生产。
“当人们经历这个过程时，每个阶段的成功率都会显著下降。”Eran Eshed说。通常情况下，会有6﷽到7个战略决策点来决定每个步骤的有效性。“在商界，我们把它们称为可以发挥作用的杠杆点。”
这些要点包括临床医生对刺激药物方案或取卵时机的确定，而在实验室里，胚胎学家会通过解读卵母细胞（发育中的卵子）、精子，以及胚细胞（受精卵）的图像来做出数个判断。
Gerard Letterie博士相信，“人工智能可以让决策流程更加精简高效。”例如，复杂的、基于卷积神经网络的图像分析可以帮助胚胎学家解释图像内容，并改善结果。
有行业报告显示，到2026年，全球体外受精市场规模将达到360亿美元左右，而Gerard Letterie博士则预计，“根本不会有足够多熟练🌼的胚胎学家来满足日益增长的需求。”最近，生育领域出现了多项技术投资，被投对象包括数家由人工智能𝄹驱动的初创公司。
Eran Eshed在以色列创立了Fairtility，以解决人工智能胚胎分析所面临的严峻挑战，该公司在近期的A轮融资中筹集了1,500万美元。其他初创公司如EMRbyonics、Mojo和ALif🌳e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🌺体外受精治疗计划。
人工智能如何彻底改变胚胎分析
胚胎分类工作是由胚胎学家来完成的。他们会手工检查图片，寻找一组视觉上可检测到的特征。相比之下，Fairtility利用计算机视觉算法来强化这个过程，并预测胚胎植入后的可能效果。
其采用的人工智能算法是根据20多万段胚胎视频和500多万个临床数据点进ꦓ行训练后得出的。这些数据点来自不同的患者群体，使得人工智能模型能够对即使是最有经验的胚胎学家也常常无法察觉的细微特征进行分析。
Fairtility的解决方案，CHLOE，是一个基于云的系统，能对人工智能的胚胎选择决策提供支持。该工具集成了延时成像（TLI）系统，可提供从受精到囊胚期的连续预测。当TLI捕获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。
除了实现这一过程的自动化，人工智能模型还有助于对胚胎的大小、面积、形状、比例和对称性等属性进行精确量化。“这不是人类能做到的，所以在某种意义上，我们为这个过程带来了更多的智能。”Eran Eshed表示。这种精确的信息，再加上植入概率，使得胚胎学家能够对在TLI设备中培养的每个胚胎做出由数据驱动的决꧑定。
根据提交给欧洲人类生殖与🌠胚胎学会（ESHRE）会🍨议的一篇论文，CHLOE算法预测囊胚化的准确率为96%，预测植入的准确率为71%，预测胚胎在基因上是否健康的准确率为69%。这样的结果改善了胚胎学家对胚胎存活率的预测，而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状况，如不寻常的卵裂模式，或严重碎片化，或可能会被忽视的原核异常。因此，CHLOE提高了选择健康胚胎的可能性。
尽管胚胎选择ܫ和加工效率方面的🐼结果有所改善，但研究还没有证明活产率的具体改善情况，而该指标被认为是生育质量的黄金标准。
对此，Eran Eshed澄清说：“人工智能无法，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。”而CHLOE则可以提供公平的机会。
Fairtility以SaaS模式向世界各地的诊所和生育中心提供解决方案。其在全球有超过25个活跃安装，而且已经获得了CE认证（欧洲的安全，健康和环境认证）。据报道，该产品正处于FDA的批准阶段。
通过人工智能来产生影响的三个先决条件
想要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
“数据在这个领域是一个巨大的挑战。”数据的范围包括了治疗历史记录、电子医疗记录（EMR）、超声图像，以及视频。Eranꦅ Eshed说，虽然数据存在，但它是高度分散的，没有被很好地策划和组织起来。即使在今天，一些诊所仍然在物理档案中存档记录。所以，整个过程必须数字化，以获得一个端到端的视角，并让人工智能模型可以𝓀从中学习。
2. 集成到工作流程中
“目前的实践在工作流程和过程开发方面还不成熟。”Gerard Letteri🐓e博士表示。只有将此类人工智能解决方案整合到临床和实验室的工作流程中，才能帮助推动产生更好的结果，而且“这还需要对所有利益相关者进行教育。”例如，Gerard Letterie博🅺士计划以即将召开的ESHRE会议上的演讲内容为基础，推出一套关于人工智能在生育中应用的课程。
3. 促进信任和采用
即使在证明其有效性后，实现临床和常规的使用也需要时间。Eran Eshed警告称：“永远ဣ不要低估变革的阻力。一个花哨的人工智能解决方案不一定能打动任何人。”
Gerard Letterie博士则分享了预防心血管疾病的药物——β受体阻滞剂的例子。这些药物最初用于从心肌梗死（MI）中恢复的患者，以防止心脏病复发。尽管研究表明其发病率和死亡率明显降低，但🍬将β受体阻滞剂纳入常规临床护理仍花费了7年多的时间🤡。
“同样的，我们也要说服临床医生和胚胎学家，让他ไ们认为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实践模式。”Gerard Letterie博士觉得，在期望其获得重大采纳之前，需要在结果上有清晰的提升。另外，人们还必须接受在建立信任时所产生的时间延迟。
生育护理未来将成为家常便饭
Gerard❀ Letterie博士预计，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增加。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。
他还说，智能手机将是推动生育保健领域发展的最大、最重要的因素之一。
本文作者是福布斯撰稿人，文章观点仅代表个人。
好了，这篇文章的内容发货联盟就和大家分享到这里，如果大家网络推广引流创业感兴趣，可以添加微信：80709525 备注：发货联盟引流学习； 我拉你进直播课程学习群，每周135晚上都是有实战干货的推广引流技术课程免费分享！
