13020156131
13020156131
相信有看过电影《模仿游戏》的人对于图灵不陌生，从他开始有了AI人工智慧的概念，1956年才有AI这个词的诞生。然而，第一例试管婴儿在1978年诞生，经过20多年后，才有冷冻胚胎的成功案例，2013年则开启了胚胎缩时摄影技术，可谓是生殖领域正是导入AI人工智慧的技术的元年。
大家一定也曾听过AI人工智慧(Artificial Intelligence)及机器学习(Machine Learning,以下简称ML)，这里简单解释两种差异：
机器学习：透过人为筛选分类过的资料库作为学习模型，可说是点对点的学习方式，由科学家标签化分类资料让机器学习。
AI人工智慧：透过非线性的多层次概念，也就是模拟人脑的思考方式进行学习，目前常见的方式有深度学习(Deep learning,简称DL)
深度学习DL为目前主流的AI学习方式，取代科学家人为的特定标签，利用多层次的神经网络建立复杂的自动标签化学习，深度学习是完全由AI从大数据中学习的新里程碑，不仅运用电脑运算快速的优势，更减少了人为出错的机会及盲点。
人工智慧在生殖医学的应用
当我们有了病人的资料，例如：电子病历纪录里的病人特征、治疗纪录等，同时精子、胚胎影像、胚胎动力特征、还有缩时摄影影像，甚至是基因的资讯都可利用AI智能以不同的方法加以训练。
在胚胎缩时摄影开始发展后，人们更开始有机会了解胚胎的生长状况，更进一步将AI人工智慧导入生殖领域中。其中生殖专家们分别以ANNs(人工神经网络)、MLP(多层感知器)、PCA(主成分分析或特征提取法)、贝氏网络、SVM(支持向量机)、CNN(卷积神经网络)、RNN等AI人工智慧学习模式，运用胚胎动力学特征、胚胎细胞分裂过程中的碎裂程度、囊胚扩张大小、胚胎有无空泡、多核及胚胎滋养层的长度等胚胎生长细节的资料去评估胚胎的好坏结果，甚至预测着床率。
去年发表在RBM Online的这篇论文(Comparison of Morphokinetic Variables in Blastocysts with Different Chromosomal Statues)不只探讨了胚胎动力学与胚胎染色体异常与否的关联，也对镶嵌体进行了分析，结果发现可从胚胎缩时摄影参数的变化预测胚胎的良莠程度。
根据过去的文献及研究，显示女生的年纪越高与胚胎的异常度有高度关联性，在取卵数目、成熟的卵数也有一定程度影响。同时在胚胎发展分裂的型态中，我们也用很多不同的胚胎发育参数来做分析，发现若在4细胞期有多核的现象，未来胚胎染色体异常的比例会较高。同时观察到囊胚扩张等级以多元变量分析有助于提高胚胎师对于胚胎染色体异常的预测精准度。
随着AI智能的演进，我们可以用深度学习的方法来分析资料，帮助临床胚胎师及医师找出较好的胚胎来提高成功率。在今年五月刊登在JARG期刊上的主题也是利用深度学习分析胚胎缩时摄影影像及胚胎的已知染色体结果(以PGT-A确认胚胎染色体状态)，进而预测胚胎的好坏。
在这个研究中Model Architecture是这个预测模型的核心，我们的AI智能演算采用Two-Stream Inflated 3D ConvNet (I3D) model 作为深度学习的基底，因为I3D对动态影像辨识有较好的效能。
其中影像代表的是胚胎外观的连续变化，而下方的光流（Optical flow）则表示胚胎的motion资讯，颜色愈红代表motion强度愈强，可以观察到主要剧烈变动都是在胚胎内部（外围变动主要是因为杂讯变动）。
将两种特征输入至模型中可以得到两个结果，再将其合并预测染色体异常（Group 1）和其他情况（Group 2）。
此AI模型的分成六个步骤
第1个步骤是资料收集： 我们将胚胎缩时影像资料汇出, 并且对应到该胚胎的PGT-A检测结果
第2个步骤是资料前处理 : 我们大约每0.5 hpi 撷取一个Frames, 并且计算其光流数值
第3个步骤是为后续验证的资料切分 : 我们随机取出80%的样本当作训练集, 20%的样本作为测试集
第4个步骤是资料增强(Data Augmentation), 我们随机对输入的影像进行水平或垂直的翻转, 如果是RGB的Format, 我们进行对比度(Contrast)调整和平移转换
第5个步骤是模型训练：我们利用ImageNet和Kinetics的网路架构进行Pre-training, 让Two-Stream Inflated 3D ConvNet (I3D) model基于预训练过（Pre-trained）的权重之上再做微调
第6个步骤是模型验证：我们的模型效能验证是用AUC分数, 并且分析预测结果的分布(Distribution )
这项AI智慧选胚学习应用不仅是胚胎筛选的另一项新选择，更是卵数较少、胚胎长不大到第五天的试管妈妈们的未来新希望。
举例最简单的Google 图像辨识到我们身边常用的手机Siri的人工智慧技术都在蓬勃发展，而在生殖领域里 AI的应用研究虽然以每年1.7倍的速度增加，但比起其他的AI健康领域来说，生殖研究的质跟量相对缺乏，需要投入更多研究量能才能大规模在临床上使用，尤其是在挑选胚胎的AI技术发展，能有助于提高试管婴儿的著床率、活产率。
