人工智能技术能帮助做试管婴儿的人选择最具活力的胚胎 。
对于患者及家属来说 ， 不育症的治疗过程就像精神与经济的过山车 。 有许多尝试受孕的夫妇在试管婴儿周期中 ， 常常出现多次无明确缘由的失败 。 他们为治疗承担了巨大的情感、身体及经济上的负担 ， 最终却收获这样令人心碎的结局 。 而随着AI技术的涌现 ， 治疗不育难题似乎又出现了新的曙光 。
在此之前 ， AI已经开始用于解决一系列医学健康问题 。 例如 ， IBM开发出了一个预测心脏衰竭的模型 ， 并且将沃森超级计算机借与史隆·凯特琳纪念癌症中心 ， 用以研发癌症诊断及治疗选择计划 。 为了提升分析能力 ， 沃森基因解决方案（Watson for Genomes）每个月需学习约一万篇科学文献和100种新的临床试验报告 。 斯坦福大学在AI的医学应用领域也颇有建树 ， 他们曾开发出预测药物安全性的深度学习算法 ， 另外 ， 他们还创建了可识别肺癌类型、预测患者存活率的模型 。 而英特尔公司最近也宣布 ， 加入肺癌早期检测算法的竞争中 。
【生孩子都能找AI帮忙？AI或助人类做出最优选择】在不育症治疗中使用AI的想法 ， 在二十多年已经出现 。 目前最接近这一目标 ， 也是唯一获FDA批准的胚胎选择辅助手段 ， 是被称作Eeve测试的早期胚胎活性评估测定技术 ， 即在胚胎培养期间采用延时显微成像的方法收集数据 ， 然后由一套算法预测哪个胚胎的发育前景最佳 。
由于该算法一旦成型 ， 便不能根据新的信息进行调整 ， 因此这其实并不算是真正的AI 。 真正的AI系统可通过深度学习 ， 摄取新信息并进行自我改良 。 深度学习中的“学习”是通过“训练”来实现的：成百上千的数据点被填入模型 ， 从而得到预测的计算结果——这个预测的结果可以被拿来与实际输出结果做对比 ， 然后模型会重新进行自我调整 。 输入值可以为文本、声波、信号以及在医疗应用中最重要的：影像 。
那么 ， 真正的AI在试管婴儿中的应用情况如何？目前 ， 此类系统仍处在试验阶段 ， 但已经展现出一定的潜力 。 例如 ， 在一项于近期发表于Nature子刊Scientific Data的研究中 ， 来自巴西的团队设计出一套系统 ， 能根据牛胚胎的图像 ， 识别最有可能存活的胚胎 。 总体而言 ， 该系统的准确率有76% ， 可以捕捉到人工无法识别的不良胚胎信号的微小细节 。
在与人类不育症斗争的过程中 ， 一家名为Life Whisperer的AI初创企业引起了关注 ， 它的目标是解决AI从理论到试验阶段 ， 再到真正人类胚胎的过程中 ， 所遇到的各种难题 。 Apple的联合创始人史蒂芬·沃兹尼克（Steve Wozniak）将Life Whisperer作为全球冠军 ， 列入Talent Unleashed Awards的“最佳创意——最受瞩目”目录 。
当然 ， 新兴公司并没有义务在同行评议的期刊上发布他们的结果 。 Life Whisperer称 ， 与其商界同伴MonashIVF共同开展的回溯性试验 ， 都表现出了“鉴别活力胚胎的高度精确性”——显然 ， 这句话等于什么都没说 。
除此之外 ， 确定最有活力的胚胎只是试管婴儿的第一道障碍 。 那些胚胎随后必须移植入母体——受不育困扰的女性多在35岁以上 ， 她们通常经历过多次难以解释的移植失败 ， 并且可能患有已知的生育疾病 ， 例如子宫内膜异位症 。
真正“点对点”治疗不育症的AI手段 ， 首先需要解决的是不同医疗数据库之间的整合问题 。 目前 ， 众多医院拥有大量患者人口统计、医疗病史、药物疗法、移植前遗传筛查以及临床妊娠结果数据 ， 这些数据可以帮助医生从多种治疗手段中选取成功率最高的方法 ， 并且从患者的疗效中获取新的信息 。 但由于这些数据库往往互不相通 ， 因此给AI的学习造成很大的挑战 。
推荐阅读
- 谁有好看的架空小说女生的
- 谁有好看的剑修小说
- 谁有好看的小说要现代的女生看的
- 谁有花生营养成份表
- 谁有花生芝麻软糖做法要祥细
- 谁有减肥小技巧小妙招
- 谁有烤生蚝的酱料
- 谁有孔子和孟子的生平和主要经历
- 谁有乔丹的生平事迹
- 谁有适合初一学生读的文言文