人工智慧可以為試管嬰兒做些什麼？
治療不孕症的過程就像一架穿梭在情感與金錢間的過山車一般。對於打算生育的夫婦而言，反覆的移植失敗、三次以上失敗的治療周期，且無法找到明確原因。情緒、身體或經濟上的負擔變得過高導致無法繼續圓夢，難道這就是令人心碎的最終結局嗎？據估計，多達三分之二的患者經歷過失敗的治療周期。
那意味著科技領域的一個小小進步，就能有更多的機會去改善一個組建家庭的機會。日前，一家不孕不育相關的人工智慧創業公司宣布他們能夠做到——一些計算機業的大拿在此項目下了很大的賭注。
人工智慧一直以來都被用於嘗試和解決一些健康方面有挑戰性的大難題。例如，IBM開發了一種能夠預測心力衰竭的計算模型，紐約的斯隆凱特琳癌症中心(Memorial Sloan Kettering Cancer Center)將沃森超級計算機應用於開發癌症診斷和選擇治療方案。這個項目被命名為「基因組學的Watson（IBM Watson是認知計算系統的傑出代表，也是一個技術平台。其命名來源於IBM公司創始人Thomas·J·Watson的名字）」，每個月大約能產生10,000篇科研文章和100篇新的臨床試驗報告，並經常能產生新的見解。據報道，斯坦福大學發明了一種深度學習演算法，能預測藥物的安全性，及預測肺癌的類型及患者存活率。最近，Intel也宣布加入競爭，尋找一種肺癌早期檢測的演算法。
將人工智慧應用於不育的這一想法已經存在了20年，目前最接近的可行性解決方案是經FDA批准的Eeva測試，該測試利用延時成像顯微鏡採集培養期間胚胎的數據，並通過演算法預測哪個胚胎有最佳發育的可能。
這並不算是真正的人工智慧，因為該演算法是靜態的，無法適應新的信息輸入。一個真正的人工智慧系統面對新的信息時，會用深度學習來不斷完善自己。在深度學習中，「學習」是通過訓練獲得的——成百上千的數據點被輸入到模型中，從而能預測未來的結果，然後將預測結果與實際結果進行對比，模型再重新適應。輸入值可以是文本、聲音、信號，以及醫療應用中最重要的信息——圖像。
人工智慧可以為試管嬰兒做些什麼？
用於試管嬰兒的人工智慧系統目前仍處於實驗階段，不過迄今為止的結果都顯示其很有前景。例如，該系統根據牛的胚胎成像成功識別出了存活率最大的那個胚胎。總的來說，人工智慧系統的準確率已經達到了76%，所捕捉到質量不好胚胎的細節是評估人員無法以肉眼觀察到的。
對於人類不育，一家新的人工智慧創業公司——Life Whisperer，準備應對將人工智慧從理論和實驗階段邁向真正的人類胚胎這一挑戰。當然，創業公司沒有公布試驗結果供同行評審的義務。Life Whisperer表示，根據其商業夥伴Monash IVF——一家澳洲的試管嬰兒公司進行的一項回顧性試驗顯示，其在確定可行胚胎時的準確度等級很高，這個結果已然說明了一切。
此外，鑒定可行胚胎只是試管嬰兒的需要克服的第一個難關罷了，這些胚胎還會被植入到人體中。與不孕症抗爭的女性通常年齡都35歲以上了，她們經歷了反覆失敗的治療周期，得不到任何說明，並可能有任何已知的生育問題，如子宮內膜異位。
一個治療不孕症真正的端對端人工智慧系統將需要整合複雜和多樣化的數據集，這些數據集目前在多個不相容的系統中進行管理——患者的人口統計和病史、藥物治療方案、植入前遺傳篩查、臨床妊娠結果數據等。它將幫助醫生在有最高成功率的幾種治療方案中做出選擇，在治療反饋的基礎上接受新的信息。
在臨床胚胎學上，我們尚未知曉最能預測試管嬰兒成功率的那個特徵或特徵組。對於一個成功的試管嬰兒周期來說，最重要的變數可能仍然是未知的。原則上，人工智慧系統會發現這些變數，當前，一個問題正困擾著醫療領域的人工智慧系統：我們不知道我們還有哪些是不知道的（這聽上去有些拗口），而專家不得不訓練人工智慧，導致人類自身偏見的潛在放大，或者完全忽略掉某些類型的數據。人工智慧技術具有巨大的潛力可以幫助不孕不育的醫學領域超越目前對個體胚胎的局限認知，並揭示隱藏在患者數據中的新模式，以治療頑固的不孕不育症。
TAG:醫羽自助試管 |