以下為原文翻譯：
在體外受精（IVF）過程中，卵子和精子會產生許多不同的胚胎。然後胚胎學家選擇成功懷孕機會最大的胚胎並將其轉移給患者。
胚胎學家利用他們的專業知識並根據胚胎的外觀應用一套廣泛接受的原則來做出這一選擇。近年來，人們對在此過程中使用各種人工智慧（AI）技術產生了濃厚的興趣。
我們開發了一個這樣的人工智慧系統，並在對1000多名IVF患者的研究中對其進行了測試。我們的系統在大約三分之二的情況下選擇與人類專家相同的胚胎，總體成功率僅略低。研究結果發表在《自然醫學》雜誌上。
深度學習可以幫助IVF嗎？
在過去的幾年裡，我們與瑞典的同事合作開發了軟體來識別哪些胚胎最有可能成功進行體外受精。我們的系統使用深度學習，這是一種在大量數據中尋找模式的人工智慧方法。
在開發該系統時，我們進行了一項回顧性研究，將系統的選擇與胚胎學家過去做出的現實世界決策進行比較。這些早期結果表明深度學習系統可能比人類專家做得更好。因此，下一步就是通過隨機試驗正確測試系統。
我們的試驗涉及澳大利亞和歐洲（丹麥、瑞典和英國）14家生育診所的1，066名患者。對於每位患者，深度學習系統和人類專家會選擇植入哪些胚胎。然後，隨機選擇使用兩者中的哪一個。
這項研究是第一個在胚胎選擇深度學習系統上進行的隨機對照試驗。深度學習可能有許多醫學應用，但這是迄今為止該技術在醫療保健領域為數不多的前瞻性隨機試驗之一。
我們發現了什麼？
在我們的研究中，我們發現這兩種方法實際上沒有區別。當深度學習系統選擇胚胎時，臨床妊娠率（首次胚胎移植後看到胎心的可能性）為46.5%，而當胚胎學家選擇胚胎時，臨床妊娠率為48.2%。
換句話說，差異很小。事實上，65.8%的情況下，深度學習系統會選擇與胚胎學家相同的胚胎。然而，我們也發現人工智慧系統完成胚胎選擇任務的速度比胚胎學家快十倍。
我們研究的目標之一是證明我們的深度學習系統的「非劣勢性」。這在醫學研究中很常見，因為我們總是希望確保提出的新技術不會導致比現有標準更差的結果。
儘管深度學習系統產生的結果與人類專家的結果非常相似，但我們的研究並沒有完全清除證明「非劣等性」的障礙。"
事實上，這項研究的總體成功率遠高於我們預期。這改變了統計數據，這意味著我們需要進行一項更大規模的研究--涉及近8，000名患者--以證明新方法並不差。
無顯著性差異
此前，關於胚胎選擇中的深度學習已經提出了許多倫理問題。一是深度學習模型的偏見選擇可能會改變性別比，最終產生更多的男性或女性胚胎。
然而，我們發現深度學習胚胎選擇並不會導致性別比的變化。
我們從研究中得出的結論是，深度學習系統選擇的胚胎和經驗豐富的胚胎學家選擇的胚胎之間的妊娠率沒有顯著差異。
從這個角度來看，使用深度學習工具進行胚胎選擇不會從根本上改變接受體外受精的患者的結果（因為它大多選擇相同的胚胎）。然而，使用此類可靠的自動化工具可能會使胚胎學實驗室更加高效和一致。
該研究進一步得出結論，需要數年時間進行的隨機試驗可能不是研究如此快速發展的技術的最佳方式。我們未來評估這項技術的工作將需要檢查該主題的替代但在臨床上仍然有效的方法。
如果您想了解更多信息，可以單擊視頻下方的連結。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
原文：https://medicalxpress.com/news/2024-08-ai-ivf-embryos-human-randomized.html
更多信息：Peter J. Illingworth等人，IVF中深度學習與手工基於形態學的胚胎選擇：隨機、雙盲非劣性試驗，自然醫學（2024）。DOI：10.1038/s41591-024-03166-5
更多信息：Peter J. Illingworth等人，IVF中的深度學習和基於形態學的人工胚胎選擇：一項隨機、雙盲非劣效性試驗，《自然醫學》（2024）。DOI：10.1038/s41591-024-03166-5
期刊信息：自然醫學
期刊信息：自然醫學
輸油管：