华西生殖微信公众号已正式开通文献速递栏目，我们将持续为大家播报最新的文献资讯，时刻关注生殖医学前沿研究。
01
研究背景
将AI整合到IVF程序中，有可能提高客观性并实现胚胎移植选择的自动化。然而，AI的有效性受到数据稀缺性和与患者数据隐私相关的伦理问题限制。生成对抗网络（GAN）可以通过生成接近真实图像的合成数据来缓解数据限制，已然成为一种很有前景的方法。
02
研究问题
生成式人工智能（AI）模型能否生成人类囊胚的高保真图像？
03
研究方法
作为训练数据的囊胚图像来源于延时显微镜（TLM）视频的公开数据集（n=136）。将基于样式的GAN微调为生成模型。我们共收集了972张囊胚图像作为训练数据，是在授精后110-120小时的时间窗口内，每隔1小时从TLM视频中捕获的。我们配置了基于样式的GAN模型，使用数据增强（AUG）和预训练权重 （pretraining-T:具有平移等方差;pretraining-R:具有平移和旋转等方差）来比较它们在图像合成上的优化。然后，我们应用定量指标，包括Fréchet初始距离（FID）和核初始距离（KID）来评估生成图像的质量和保真度。随后，我们通过视觉图灵测试测量模型的智能行为来评估定性性能。为此，60名具有不同背景和临床胚胎学和IVF专业知识的人评估了合成胚胎图像的质量。
04
研究结果
在训练过程中，我们观察到图像质量的持续改善，通过FID和KID评分来衡量。与基线和AUG +基线模型相比，预训练和AUG +预训练的FID和KID值明显较低。经过5000次训练迭代后，AUG+Pretrained-R模型在评估的5种配置中表现出最高的性能，FID和KID得分分别为15.2和0.004。随后，我们进行了视觉图灵测试，IVF胚胎学家、IVF实验室技术人员和非专家对合成的囊胚期胚胎图像进行了评估，在特异性上获得了相似的性能，但在准确性和灵敏度上略有差异。
05
研究讨论及局限性
生成式AI模型在生成高保真的人类囊胚图像方面具有很大的潜力，这使得开发强大的AI模型成为可能，因为它可以提供足够的训练数据集，同时保护患者的数据隐私。此外，这可能有助于生成具有不同（罕见）异常特征（例如胚胎停滞，三极细胞分裂）的足够的胚胎成像训练数据，以避免类别不平衡并达到均匀的数据集。因此，生成式模型可能为改变胚胎选择程序提供了一个令人信服的机会，并大大提高IVF结局。
参考文献:
Cao P, Derhaag J, Coonen E, et al. Generative artificial intelligence to produce high-fidelity blastocyst-stage embryo images. Hum Reprod. 2024 Jun 3;39(6):1197-1207.
扫描二维码
关注华西生殖，更多精彩
