生孩子都能找AI幫忙？AI或助人類做出最優選擇
在不久的將來，人工智慧技術能幫助人類選擇最具活力的胚胎嗎？
撰文 | Carol Curchoe, Charles Bormann
翻譯 | 許楠
審校 | 吳非
對於患者及家屬來說，不育症的治療過程就像精神與經濟的過山車。有許多嘗試受孕的夫婦在試管嬰兒周期中，常常出現多次無明確緣由的失敗。他們為治療承擔了巨大的情感、身體及經濟上的負擔，最終卻收穫這樣令人心碎的結局。而隨著AI技術的湧現，治療不育難題似乎又出現了新的曙光。
在此之前，AI已經開始用於解決一系列醫學健康問題。例如，IBM開發出了一個預測心臟衰竭的模型，並且將沃森超級計算機借與史隆·凱特琳紀念癌症中心，用以研發癌症診斷及治療選擇計劃。為了提升分析能力，沃森基因解決方案（Watson for Genomes）每個月需學習約一萬篇科學文獻和100種新的臨床試驗報告。斯坦福大學在AI的醫學應用領域也頗有建樹，他們曾開發出預測藥物安全性的深度學習演算法，另外，他們還創建了可識別肺癌類型、預測患者存活率的模型。而英特爾公司最近也宣布，加入肺癌早期檢測演算法的競爭中。
在不育症治療中使用AI的想法，在二十多年已經出現。目前最接近這一目標，也是唯一獲FDA批准的胚胎選擇輔助手段，是被稱作Eeve測試的早期胚胎活性評估測定技術，即在胚胎培養期間採用延時顯微成像的方法收集數據，然後由一套演算法預測哪個胚胎的發育前景最佳。
通過圖像評估早期胚胎活性的Eeva test
由於該演算法一旦成型，便不能根據新的信息進行調整，因此這其實並不算是真正的AI。真正的AI系統可通過深度學習，攝取新信息並進行自我改良。深度學習中的「學習」是通過「訓練」來實現的：成百上千的數據點被填入模型，從而得到預測的計算結果——這個預測的結果可以被拿來與實際輸出結果做對比，然後模型會重新進行自我調整。輸入值可以為文本、聲波、信號以及在醫療應用中最重要的：影像。
那麼，真正的AI在試管嬰兒中的應用情況如何？目前，此類系統仍處在試驗階段，但已經展現出一定的潛力。例如，在一項於近期發表於Nature子刊Scientific Data的研究中，來自巴西的團隊設計出一套系統，能根據牛胚胎的圖像，識別最有可能存活的胚胎。總體而言，該系統的準確率有76%，可以捕捉到人工無法識別的不良胚胎信號的微小細節。
在與人類不育症鬥爭的過程中，一家名為Life Whisperer的AI初創企業引起了關注，它的目標是解決AI從理論到試驗階段，再到真正人類胚胎的過程中，所遇到的各種難題。Apple的聯合創始人史蒂芬·沃茲尼克（Steve Wozniak）將Life Whisperer作為全球冠軍，列入Talent Unleashed Awards的「最佳創意——最受矚目」目錄。
當然，新興公司並沒有義務在同行評議的期刊上發布他們的結果。Life Whisperer稱，與其商界同伴MonashIVF共同開展的回溯性試驗，都表現出了「鑒別活力胚胎的高度精確性」——顯然，這句話等於什麼都沒說。
除此之外，確定最有活力的胚胎只是試管嬰兒的第一道障礙。那些胚胎隨後必須移植入母體——受不育困擾的女性多在35歲以上，她們通常經歷過多次難以解釋的移植失敗，並且可能患有已知的生育疾病，例如子宮內膜異位症。
真正「點對點」治療不育症的AI手段，首先需要解決的是不同醫療資料庫之間的整合問題。目前，眾多醫院擁有大量患者人口統計、醫療病史、藥物療法、移植前遺傳篩查以及臨床妊娠結果數據，這些數據可以幫助醫生從多種治療手段中選取成功率最高的方法，並且從患者的療效中獲取新的信息。但由於這些資料庫往往互不相通，因此給AI的學習造成很大的挑戰。
在臨床胚胎學中，我們還沒有完全弄清楚，預測試管嬰兒成功與否的變數有哪些，或許其中最重要的變數還沒有被我們發現。但是，AI可能為我們找出其中的關鍵。AI技術在不育醫學治療中的巨大潛力，或將幫助醫生從患者數據中發現有助於疑難不育治療的新模式。
https://blogs.scientificamerican.com/observations/what-ai-can-do-for-ivf/
《環球科學》2月刊
即日起開啟預售
TAG:環球科學 |