摘要：近日，加拿大多伦多大学孙钰院士团队，中南大学基础医学院林戈研究员、顾亦凡副研究员团队，南京大学医学院附属鼓楼医院孙海翔教授、王珊珊副研究员团队在Human Reproduction(IF=6)发表论文
近日，加拿大多伦多大学孙钰院士团队，中南大学基础医学院林戈研究员、顾亦凡副研究员团队，南京大学医学院附属鼓楼医院孙海翔教授、王珊珊副研究员团队在国际知名期刊Human Reproduction(IF=6)上发表题为"An interpretable artificial intelligence approach to differentiate between blastocysts with similar or same morphological grades"的研究论文，详细阐述了BlastScoringNet模型的构建、验证其在区分形态学等级相似囊胚方面的卓越能力。通过引入基于Gardner分级系统的连续性评分机制，BlastScoringNet不仅能够提供比传统离散等级更精细的评估，其评分结果更与囊胚的活产潜力表现出强烈的正相关性。这项工作标志着人工智能(AI)在辅助生殖领域的应用，正从单纯追求预测准确性的“黑箱”模式，向着兼顾临床可解释性与实用性的“白盒”方向深度进化，为实现更个体化、更精准的胚胎选择奠定了基础。
立足临床 · 深掘痛点长期以来，囊胚的质量评估是决定移植成功与否的关键环节。广泛应用的Gardner分级系统虽然为胚胎形态学提供了一套标准化方法，但其局限性不容忽视：其一，分级的主观性与观察者间的差异可能导致评估结果不一致；其二，该系统有限的等级划分（如A、B、C级），使得大量形态相近的囊胚被归入同一类别，难以进一步优中选优，这无疑增加了临床决策的难度。
近年来，AI凭借其强大的图像识别和模式学习能力，在辅助生殖领域逐渐崭露头角。部分研究尝试利用AI直接预测囊胚的活产结局，虽取得一定进展，但由于其复杂的算法和内部决策逻辑如同一个“黑箱”，临床医生难以理解其判断依据，这在一定程度上限制了相关技术的广泛应用。因此，开发一种既能提升评估精度，又具备良好可解释性的AI工具，成为业界亟待解决的关键问题。BlastScoringNet正是在这样的背景下诞生，旨在填补现有技术的空白。
严谨验证 · 创新突破
研究团队基于深度学习技术，利用大量经多名胚胎学家“多数投票”共同标注的囊胚图像（来自机构A的2760枚囊胚）训练BlastScoringNet模型。该模型的核心创新在于，不仅能识别囊胚的扩张等级，还能对内细胞团(ICM)和滋养层细胞(TE)的质量进行概率预测，并进一步将这些概率转化为连续的量化评分。这种连续评分机制是区别于以往AI预测离散等级的关键突破，它允许对形态上细微的差异进行捕捉和量化。此外，研究还引入了基于优势比(Odds Ratio,OR)的ICM/TE组合评分，将ICM和TE的连续评分及其对活产的不同贡献权重科学地结合起来，以更全面地反映囊胚的整体发育潜能。
图1.BlastScoringNet架构及胚胎学家对囊胚评估的比较
图2.使用300个囊胚组成的测试数据集对 ED(A)、ICM(B)和TE(C)进行分类的ROC曲线
研究采用来自两个IVF中心的大量回顾性数据，对模型进行训练和验证。在一个包含超过15,000枚已知活产结局的囊胚数据集（来自机构A）中，BlastScoringNet的各项评分（ICM评分、TE评分及OR组合评分）均与活产率呈现高度显著的正相关性(P<0.0001)。更值得关注的是，在预测活产结局的准确性方面（通过AUC衡量），BlastScoringNet的表现优于传统的Gardner人工分级。 为检验模型的普适性，研究团队在另一家独立的IVF机构（机构B，其图像采集条件与机构A不同）的数据集上，对BlastScoringNet进行了、微调和验证。结果同样令人振奋：经过调整后的模型，其OR组合评分与活产率的相关性依然显著(P=0.00078）。这初步证明了BlastScoringNet具备跨机构应用的潜力，对于推动AI工具在不同临床环境下的落地具有重要意义。
表1.BlastScoringNet结果与活产之间的相关性在整个研究过程中，团队始终注重模型的可解释性，将AI的评估逻辑与临床医生熟悉的Gardner分级系统相结合，并以直观的评分形式呈现结果，使BlastScoringNet成为胚胎学家易于理解和信任的辅助工具。
AI驱动 · 无限可能
未来，这类可解释的AI工具有望成为IVF实验室的常规配置，辅助胚胎学家进行客观、一致、准确的囊胚筛选，从而提高IVF的成功率，减少患者的治疗周期数，减轻其生理和心理负担。以BlastScoringNet为代表的量化评估工具，将为研究囊胚形态学与其他生物学特性（如基因表达、代谢产物、非整倍体风险）之间的复杂关联提供更强大的数据支持。
