[发明专利]用于选择胚胎的方法和系统

说明书

描述了一种人工智能(AI)计算系统，用于从胚胎的单个图像生成胚胎活力评分，以帮助选择用于体外受精(IVF)过程中植入的胚胎。AI模型使用一种应用于图像的深度学习方法，其中通过分割和真实标签(如，在六周超声扫描时检测到心跳)来识别图像中的透明带区域。

优先权文件

本申请要求2019年4月4日提交的发明名称为“用于选择胚胎的方法和系统”的澳大利亚临时专利申请第2019901152号的优先权，其全部内容通过引用合并于此。

技术领域

本发明涉及体外受精(IVF)。在特定形式中，本发明涉及用于选择胚胎的方法。

背景技术

体外受精(IVF)程序从刺激卵子产生的卵巢刺激阶段开始。然后从患者体内取出卵子(卵母细胞)并与精子体外受精，精子穿过透明带，透明带是围绕卵子(卵母细胞)形成合子的糖蛋白层。胚胎在大约5天的时间内发育，此后胚胎形成适合移植回患者体内的囊胚(由滋养层、囊胚腔和内细胞团组成)。大约5天时，囊胚仍被透明带包围，囊胚将从透明带孵化，然后植入子宫内膜壁。我们将把以透明带内表面为界的区域称为带内腔(IZC，InnerZonal Cavity)。在移植时选择最佳胚胎对于确保积极的妊娠结果至关重要。胚胎师使用显微镜对胚胎进行视觉评估，以进行选择。一些诊疗机构在选择时记录胚胎的图像，胚胎师可以根据不同的指标和显微镜下的视觉评估对每个胚胎进行评分。例如，一个常用的评分系统是加德纳(Gardner)量表，在该量表中，按照字母数字量表评估和分级形态特征，如内细胞团质量、滋养外胚层质量和胚胎发育进程。然后，胚胎师选择一个(或多个)胚胎，然后将其移植回患者。

因此，胚胎选择目前是一个手工过程，涉及胚胎师通过目视检查对胚胎进行主观评估。胚胎分级的一个关键挑战是不同技能水平的胚胎师之间存在的很大的主观性以及操作员自身和操作员之间的差异。这意味着，标准化即使在同一个实验室内也很难实现，在整个行业更不可能实现。因此，这一过程严重依赖胚胎师的专业知识，尽管他们尽了最大努力，IVF的成功率仍然相对较低(约20％)。虽然妊娠结果低的原因很复杂，但更准确地选择最具活力的胚胎的工具有望增加成功的妊娠结果。

到目前为止，已经开发了几种工具来帮助胚胎师选择具有活力的胚胎，包括植入前基因筛查(PGS)或延时影像拍摄。然而，每种方法都有严重的局限性。PGS包括通过活检对胚胎中的几个细胞进行遗传评估，然后筛选所提取的细胞。虽然这有助于识别可能导致妊娠失败的遗传风险，但这也有可能在活检过程中损害胚胎。它也很昂贵，在许多大型新兴市场(如中国)上供应有限或根本没有。另一个被考虑的工具是在胚胎发育过程中使用延时成像。然而，这需要昂贵的专用硬件，这对于许多诊疗机构来说成本过高。而且，没有证据表明它能可靠地改善胚胎选择。充其量，它可以帮助确定早期胚胎是否会发育为成熟囊胚，但尚未证明它能够可靠地预测妊娠结果，因此，它在胚胎选择中的作用有限。

因此，需要提供一种改进的工具，以帮助胚胎师选择胚胎进行植入，或者至少为现有工具和系统提供一种有用的替代方案。

发明内容

根据第一方面，提供一种用于以计算方式生成人工智能(AI)模型的方法，该AI模型用来从图像估计胚胎活力评分，所述方法包括：

接收多个图像和相关联的元数据，其中每个图像在体外受精(IVF)后的预定时间窗口期间被捕获，所述预定时间窗口为24小时或更短，且与所述图像相关联的元数据包括至少妊娠结果标签；

对每个图像进行预处理，其中包括至少分割所述图像以识别透明带区域；

通过使用深度学习方法训练至少一个透明带深度学习模型，生成用来从输入图像生成胚胎活力评分的人工智能(AI)模型，其中包括在透明带图像的集合上训练深度学习模型，在所述透明带图像中所述透明带区域被识别，且相关的妊娠结果标签至少用于评估被训练的模型的准确度；以及

部署所述AI模型。