在試管嬰兒投入臨床的早期，醫生和患者都傾向於一次移植多枚胚胎，認為這樣可以增加成功懷孕的幾率，然而這種做法不僅導致大量雙胞胎或多胞胎的誕生，也使母體在妊娠期間承受了更大的風險，更容易發生糖尿病、高血壓等妊娠期綜合征。而對於子宮中的胎兒來說，則會增加早產、宮內發育遲緩、低出生體重、圍產期死亡等風險。

        因此，隨著輔助生殖技術的不斷發展，越來越多的國家對胚胎移植數設立了限製並積極推廣單胚胎移植，這就使得能否挑選出一枚最好的胚胎來提升移植的成功率變得更為重要。這不僅僅是為了避免移植失敗帶來的身心傷害，也是為了避免時間成本的浪費，尤其對於那些生育力正在斷崖式下跌的高齡患者而言。

        目前，第三代試管嬰兒即PGT技術可以通過對胚胎活檢(biopsy)考察其整倍體性、是否存在單基因遺傳病即染色體結構異常。但活檢具有一定的操作難度，需要經驗豐富的胚胎學家手動進行，並且屬於是一種有創的手段。故而，在活檢非必需的情況下，通過無創的方式對胚胎進行評級顯得十分必要。

        胚胎移植可在胚胎發育的第三天(D3)或第五天(D5)進行，因此，對這兩個時間點上的胚胎進行形態學評分也就有著兩套不同的體係。

        D3的胚胎處於卵裂球的狀態，按照受精卵分裂的一般規律，這時的胚胎應該擁有8個細胞，但實際情況中胚胎發育的速度不一，所以當胚胎細胞數在6-10個之間，都認為具有較好的發育潛能，可以進行移植。此外，細胞之間大小是否均一透亮、胞質有無顆粒現象、細胞碎片程度的高低也是評判胚胎質量的重要指標。

        圖1D3胚胎評級(圖源：[1])

        D5的胚胎已經入囊胚階段，臨床上應用最為廣泛的是Gardner人類囊胚分級係統，即根據囊胚腔擴張、內細胞團孵出、滋養層細胞及內細胞團細胞的形態對胚胎進行評分。一般而言，如果囊胚腔完全占據胚胎或正在從透明帶中孵出、內細胞團和滋養層細胞數目較多且排列緊密，則表明該胚胎具有較高的發育潛力。

        圖2 囊胚腔逐漸擴張並從透明帶中孵出(圖源：[1])

        不過，以上評價體係不論針對的是哪一天的胚胎，傳統上都僅在特定的時間點對胚胎進行觀察，丟失了胚胎發育過程中的動態信息。為此，時差成像係統(Time-lapse imaging，TLI)應運而生，將胚胎培養箱和光學係統集成於一體，在不幹擾胚胎發育的情況下，幫助胚胎學家獲取胚胎從受精到移植期間的連續動態圖像，為胚胎篩選提供了更多的依據。

        但動態監測產生的大量圖像數據又給胚胎學家帶來了巨大的工作負擔，且胚胎學家的主觀評價極可能受到其過往經驗、疲勞程度的影響，而擅長對海量數據進行整合處理的人工智能如能介入決策，則更具備效率高、評價標準穩定的優勢，甚至能夠發現人類難以覺察的時空動態特征。

        例如華中科技大學同濟醫學院的研究團隊在2021年3月，就基於視頻準備算法、空間流和事件流模型開發出了一種名為STEM和STEM+的集成預測模型，在預測胚胎發育成囊胚的潛力方麵，表現出了70%以上的準確率和0.8左右的AUC(機器學習中一種評價分類器好壞的指標)[2]。另一個小組在2021年12月開發出一種整倍體預測算法，能夠結合時差成像係統提供的信息以及患者年齡、囊胚天數等數據預測胚胎的整倍體性，在測試數據集上預測整倍體的結果AUC 達到0.80[3]。

        而在已經進入商業化的人工智能評分係統中，瑞典輔助生殖領域知名公司vitrolife所推出的胚胎決策支持工具iDAScore經由龐大、多樣化的數據集訓練和驗證，可自動對胚胎進行評分並有望推廣到所有診所。美國人工智能醫療保健公司Presagen開發的 Life Whisperer Viability則能夠評估胚胎植入潛力和臨床懷孕的可能性，結果優於胚胎學家人工評估25%，縮短懷孕時間15%。

        近日，又有一篇發表於Human Reproduction的文章“Human blastocyst spontaneous collapse is associated with worse morphological quality and higher degeneration and aneuploidy rates: a comprehensive analysis standardized through artificial intelligence”利用人工智能對囊胚自發塌陷和囊胚形態質量、退化幾率及非整倍體幾率的相關性進行了綜合分析。

        圖3 研究成果(圖源：[5])

        囊胚自發塌陷指的是胚胎在發育過程中，囊胚腔液流出、胚胎體積縮小以及外滋養層與透明帶脫離的現象，盡管其發生的原因尚不清楚，但極有可能作為胚胎發育潛能下降的標誌。

        在這項研究中，AI軟件自動分析了720個周期2348個時差顯微鏡(Time-lapse microscopy，TLM)成像視頻，所有的胚胎均達到囊胚起始階段(time of starting blastulation，tSB)，其中在77.6%的周期中至少記錄了一個發生自發塌陷的胚胎。囊胚自發塌陷的次數與囊胚擴張時間(time of expanding blastocyst，tEB))和活檢時間的延遲有關。囊胚質量越差，自發塌陷的次數越多，時間也越長，其整倍體率也顯著降低，塌陷次數從0到4次對應的整倍體率分別為47%、38%、32%、31%和20%。在研究中，tSB、tEB、每次塌陷起止時間、兩次塌陷之間的之間、收縮比例、塌陷時胚胎:透明帶比率等數據均由AI軟件自動記錄。

        該結果將有助於胚胎學家將囊胚自發塌陷也納入胚胎植入評分體係，另外，還有文章指出，輔助孵化能夠改善自發塌陷囊胚的著床潛能[6]，或許未來能夠在AI評分的基礎上“挽救”這些發生了自發塌陷的“差生”。輔助孵化即對透明帶進行切薄、打孔等操作，幫助胚胎“破殼而出”，順利與子宮內膜接觸。

        相信隨著胚胎發育過程中的奧秘被一點一點揭開，人工智能輔助下的無創胚胎評級會變得越來越可靠，盡管依然無法取代有創的PGT，但憑借著其對醫療設備資源較低的依賴性，能夠更好地推廣到各地的生殖中心，甚至通過遠程醫療觸達更偏遠地區的患者!

        撰文|風立宵

        End

        參考資料：

        [1]https://www.invitra.com/en/

        [2]Liao, Q., Zhang, Q., Feng, X. et al. Development of deep learning algorithms for predicting blastocyst formation and quality by time-lapse monitoring. Commun Biol 4, 415 (2021). https://doi.org/10.1038/s42003-021-01937-1

        [3]Huang, B., Tan, W., Li, Z. et al. An artificial intelligence model (euploid prediction algorithm) can predict embryo ploidy status based on time-lapse data. Reprod Biol Endocrinol 19, 185 (2021). https://doi.org/10.1186/s12958-021-00864-4

        [4]https://www.vitrolife.com/

        [5]Danilo Cimadomo, Anabella Marconetto, Samuele Trio, et al, Human blastocyst spontaneous collapse is associated with worse morphological quality and higher degeneration and aneuploidy rates: a comprehensive analysis standardized through artificial intelligence, Human Reproduction, Volume 37, Issue 10, October 2022, Pages 2291–2306, https://doi.org/10.1093/humrep/deac175

        [6]A Mifsud-Giner, A Tejera, M.A Valera, et al, P-213 Assisted Hatching as new indication to improve diminished implantation potential after spontaneous collapsed blastocyst, Human Reproduction, Volume 37, Issue Supplement_1, July 2022, deac107.206, https://doi.org/10.1093/humrep/deac107.206