大數據文摘作品

作者：Mickey

不孕不育是常見的生殖健康問題。

國家政府部門發佈的《中國不孕不育現狀調研報告》顯示，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，每8對夫婦中就有1對存在不孕不育問題。

隨着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，目前國內的單次試管嬰兒的成功率爲30%，歐洲的成功率則爲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爲4萬到10萬歐元，這對於普通家庭來說，負擔巨大。

算法定位成功率最高的胚胎

人工智能在這裏能做些什麼？

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，人工智能有可能將體外受精（IVF）的成功率提高三倍。換句話說，至少根據實驗數據，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和計算機視覺技術，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。

這一“輔助懷孕算法”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序之上構建了自己的“定製”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IEEE報道，AiVF的ML技術涉及獲取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髮育中的各種里程碑階段。公司創始人Gilboa解釋說，傳統受精方法每天只能產生一張胚胎的顯微鏡圖像，而計算機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算法，然後教會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，計算機視覺和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‘數字胚胎學家’，您就可以更輕鬆地建立會診中心，” Gilboa說。“或者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。”

人工智能預測孕期風險

除了胚胎選擇和受精，受精成功後，人工智能也大有可爲。

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爲蛻膜性血管病（DV）的血管病變。

這些症狀會提前發現母親是否有先兆子癇的風險，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，先兆子癇就可以得到治療，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。這使得檢查胎盤成爲一項極爲耗時耗力的過程，必須由專科醫生親自進行。

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 算法，通過各種標註了“患病”和“健康”的數據集訓練機器，以識別胎盤樣品薄片中圖像的某些特徵。

由於計算機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，計算機可以通過它採取一系列步驟來使任務更易於管理。

首先，計算機檢測圖像中的所有血管，分別考慮每個血管，創建相似的數據包進行分析。

來自數據集顯示血管的圖像

然後，計算機可以定位每個血管並確定是否應將其視爲疾病或健康。在此階段，該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，則將圖片標記爲患病。

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，曲線下面積爲0.99。

雖然算法可以幫助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了解他們應該關注哪些圖像。

研究小組指出，該算法旨在作爲醫師的輔助工具，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、人工智能輔助婦產醫生，爲母親保駕護航

不過，這種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，爲醫生減輕一大部分工作量，進而幫助加快處理速度。

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伙伴關係非常重要，也對於在醫療保健中使用人工智能具有重要意義。隨着醫療行業越來越多地接受AI的作用，以及醫生與計算機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，爲整個生產過程保駕護航。

參考資料：

https://spectrum.ieee.org/tech-talk/biomedical/diagnostics/how-ai-is-transforming-assisted-reproductive-technology

https://medium.com/vsinghbisen/how-ai-in-pregnancy-can-help-in-predicting-the-health-risk-7ff318a81a3