イン・ビトロ受精のための胚選択における人工知能モデルの安定性と信頼性
Prudhvi Thirumalaraju1, Manoj Kumar Kanakasabapathy1, Hemanth Kandula1
1Division of Engineering in Medicine, Department of Medicine, Brigham and Women's Hospital, Harvard Medical School, Boston, MA, USA.
Fertility and sterility
|August 28, 2025
まとめ
インビトロ受精 (IVF) の胚選択のためのAIモデルでは,安定性と一貫性が低下し,高い誤差率をもたらします. これらの発見は,胚を順位付けするための現在のAIアプローチの臨床的信頼性を疑問視しています.
科学分野:
- 生殖医学における人工知能
- 胚科と助産生殖技術
- 医療診断のための機械学習
背景:
- 助産生殖技術 (ART) は,精密な胚選択により,成功するインビトロ受精 (IVF) の結果に依存しています.
- 人工知能 (AI) は客観的な胚評価の可能性を秘めているが,その信頼性は厳格な評価を必要とする.
- シングルインスタンス・ラーニング (SIL) モデルは,胚の形態学から生児の結果を予測しますが,その安定性は十分に確立されていません.
研究 の 目的:
- 胚の選択とIVFでのランク順序で使われるAIモデルの安定性と信頼性を評価する.
- 異なるデータセットにおける人工知能による胚評価の一貫性と誤差率を評価する.
- 複製AIモデルの解釈と意思決定の不一致を調査する.
主な方法:
- 2つの独立したIVFデータセット (MGHとCornell) で訓練された50の複製コンボリューションニューラルネットワーク (CNNs) を使用した実験室ベースの研究.
- 胚順序の一貫性 (ケンドールW),重大な誤差率,およびモデル間の可変性によるモデル性能の評価.
- グラデント加重クラスアクティベーションマッピング (GradCAM) とt-分散ストキャスティック隣人埋め込み (t-SNE) を用いた解釈分析により,モデルの意思決定を模索する.
主要な成果:
- AIモデルでは,胚の順序の一貫性が悪かった (ケンドールのW ≈0.35) であり,重大な誤差率も高かった (≈15%).
- 外部データセットでモデルをテストしたときの不安定性が増加した (誤差差デルタ: 46. 07%2).
- 解釈性分析は,同じ訓練プロトコルにもかかわらず,複製モデル間で異なる意思決定戦略を明らかにしました.
結論:
- IVF胚の選択のためのシングルインスタンス・ラーニング (SIL) AIモデルは,臨床的信頼性に影響を与える,実質的な不安定性と矛盾を示しています.
- 高いモデル間変動率と重大なエラー率は,胚選択のための現在のAIモデルの実際の展開に関する懸念を提起しています.
- この研究は,より安定したAIフレームワークと,IVFの臨床的要求のために特別に設計された強力な評価メトリックの必要性を強調しています.
