人工智能衍生的定量囊胚形态学用于客观胚胎评估与胎心分层
核心概要
这项回顾性多中心研究利用自研深度学习分割模型勾画透明带、内细胞团与滋养层并提取17项定量形态学指标，在来自韩国七家中心的14,072张囊胚图像中（排除后10,718枚用于共识评级预测、1,387枚用于胎心预测）发现形态学指标预测的评级在发育阶段与内细胞团上与共识评级的一致性高于单个胚胎学家，且基于定量形态学的随机森林模型在胎心预测上优于基于人工共识评级的模型（AUROC 0.648 对 0.610，DeLong 检验 p = 0.04），替代CART分析显示定量形态学对观察到的胎心率的区分范围更宽（11.8–46.8% 对 16.7–36.2%）。
深度剖析
形态学指标预测的评级与共识评级的一致性在发育阶段和内细胞团上高于单个胚胎学家的评级。 以往对囊胚评级的客观化多依赖端到端整图预测，本研究改为先分割透明带、内细胞团与滋养层再提取指标，从而把模型输出直接对应到既有胚胎学结构。 基于10,718枚胚胎的加权kappa比较：发育阶段预测评级为0.865（几乎完全一致），胚胎学家为0.605（高度一致）；内细胞团预测评级为0.730，胚胎学家为0.610；滋养层预测评级均值略低（0.609 对 0.714）但跨比较的变异更小。
基于定量形态学指标的随机森林模型在胎心预测上优于基于人工共识评级的模型。 此前多数AI胚胎评估聚焦整图判别性能，本研究直接以人工共识评级模型为对照，并用DeLong检验比较两者AUROC。 1,387枚来自六家中心的完全扩张、扩张或孵化期囊胚，嵌套交叉验证（五折外层、三折内层）的折外AUROC为0.648 对 0.610，DeLong检验 p = 0.04；两模型AUROC均显著高于随机（p < 0.001）。
替代CART模型显示定量形态学对观察到的胎心率具有更宽的区分范围，且关键节点指标与SHAP结果一致。 相比仅报告AUROC，本研究用可解释的替代树模型把预测概率转成各终末节点的实际胎心率，并与共识评级模型在相同条件下对比。 替代CART对随机森林的保真度R²为0.859；定量形态学模型终末节点胎心率11.8–46.8%（范围35.0%），共识评级模型为16.7–36.2%（范围19.5%）；SHAP中最大透明带厚度（平均绝对SHAP值0.029）、外周细胞计数（0.021）与内细胞团致密度（0.020）为最主要指标。
分割掩膜衍生的17项指标被表达为相对或比值型测量，并覆盖胚胎、内细胞团、滋养层与透明带四个层面。 该指标体系把常规以定性方式评估的形态特征（如致密度、细胞数、透明带厚度）转为可重复的数值量，并试图降低图像尺度与设备差异的影响。 指标包括1项胚胎层面（扩张指数）、6项内细胞团相关、4项滋养层相关与6项透明带相关指标，使用OpenCV、scikit-image、alphashape、shapely、pyradiomics与SimpleITK等库提取。
启示与展望
该结果面向常规IVF实验室中第5天移植相关的完全扩张、扩张与孵化期囊胚，指标以相对或比值形式表达，便于在不同显微镜设置与设备条件下比较；对读者而言，这意味着定量形态学可作为人工评级的客观补充，用于发育阶段与内细胞团评级的复核，以及在形态学层面提供与胎心相关的可解释分层信息。
胎心分析仅限完全扩张、扩张与孵化期囊胚，早期囊胚与完全孵化囊胚的适用性尚不明确；胎心不等同于活产，与持续妊娠及活产的关系有待评估；模型未纳入母体年龄、内膜厚度、卵巢刺激特征、激素状态与移植相关因素；滋养层评级的模型一致性略低于单个胚胎学家，可能与二维单焦平面难以完整呈现沿囊胚外周的滋养层形态有关；队列为韩国单国数据，向其他人群与临床环境的推广仍需外部验证。此外，本次阅读所依据的文本为快速解析版本，图与补充表未完整呈现，因此涉及图2、图3与补充表S1–S3的具体节点数值只能依据正文描述转述。