在辅助生殖技术中的胚胎分级和怀孕预测的多模人工智能:一篇评论

科学领域:

• 生殖医学 生殖医学
• 人工智能的人工智能
• 生物医学数据科学 生物医学数据科学

背景情况:

• 不孕症影响全球许多人,辅助生殖技术 (ART) 提供解决方案.
• 传统的体外受精-胚胎移植 (IVF-ET) 在胚胎分类主观性和数据集成方面面临着成功的挑战.
• 人工智能提出了一个关键的战略,以克服这些限制在ART.

研究的目的:

• 在ART中审查人工智能在胚胎分类和怀孕预测中的应用.
• 分析基于数据模式的AI方法:静态图像,时间缩短视频和表格数据.
• 为了确定未来的研究方向,多模式AI在ART.

主要方法:

• 对人工智能在胚胎分类和怀孕预测中的应用进行了全面的文献审查.
• 基于数据源 (图像,视频,表格数据) 的AI方法的分类.
• 对挑战进行批判性检查,包括多模式融合,数据稀缺和模型概括.

主要成果:

• 人工智能在改善胚胎评估和预测怀孕结果方面显示出巨大潜力.
• 按数据模式组织人工智能任务可以澄清模型设计和限制.
• 多模式人工智能方法显示出提高准确性和效率的前景.

结论:

• 人工智能,特别是多式人工智能,对于提高试管婴儿-ET成功率至关重要.
• 解决数据融合,稀缺性和泛化方面的挑战是未来人工智能在ART领域发展的关键.
• 需要进一步的研究来完善人工智能模型,并导航监管环境,以便更广泛的临床采用.