Модели ИИ, предсказывающие по таймлапс-видео эмбрионы с имплантационным потенциалом и эуплоидностью

Почему это важно для надеющихся родителей

Для людей, проходящих через экстракорпоральное оплодотворение (ЭКО), выбор эмбриона для переноса может решить исход — очередное разрушенное ожидание или успешная беременность. В настоящее время решения часто базируются на том, как эмбрионы выглядят под микроскопом, или на инвазивных генетических тестах, предполагающих взятие клеток из эмбриона. В этом исследовании рассматривается иной путь: использование искусственного интеллекта (ИИ) для наблюдения за ростом эмбрионов во времени и тихой оценки того, какие из них с наибольшей вероятностью имплантируются и какие с наибольшей вероятностью имеют правильное число хромосом — всё это без вмешательства в эмбрион.

От статичных снимков к движущимся картинам

Традиционно эмбриологи оценивают эмбрионы по нескольким статичным изображениям, судя по таким признакам, как форма и расположение клеток. Эти оценки субъективны и ненадёжно показывают, есть ли у эмбриона правильный набор хромосом — ключевой фактор риска выкидыша. Генетические тесты дают ответ, но требуют удаления клеток из эмбриона. В этой работе исследователи вместо этого использовали непрерывные таймлапс-видео, снятые в специальных инкубаторах. Эти ролики фиксируют тонкие изменения в делении и развитии клеток в первые дни после оплодотворения, включая детали, слишком мелкие или быстрые, чтобы человеческий глаз мог отслеживать их последовательно.

Обучение ИИ «читать» раннюю жизнь на плёнке

Команда построила две модели ИИ, которые обучались напрямую на этих видеозаписях эмбрионов плюс возрасте матери. Одна модель оценивала вероятность того, что перенесённый эмбрион приведёт к клинической беременности (подтверждённой при ультразвуковом исследовании). Другая прогнозировала, вероятно ли эмбрион является «еуплоидным», то есть имеет правильное число хромосом, на основании результатов стандартного генетического тестирования, проведённого для части эмбрионов. В совокупности наборы данных включали более 2400 эмбрионов для прогноза беременности и более 1600 для оценки хромосомного статуса. Вместо опоры на метки, выбранные людьми, ИИ анализировал весь видеопоток, фиксируя временные характеристики и шаблоны развития кадр за кадром.

Насколько хорошо работали модели

Для проверки надёжности исследователи обучили ансамбль — по десять независимых версий — каждой модели и комбинировали их выводы, чтобы ни одна модель не доминировала в решении. Оценку производили на трёх независимых наборах: валидационном, внутреннем тестовом и внешнем тестовом, полученном из разных клиник ЭКО. Обе модели показали хорошую способность различать эмбрионы с лучшими и худшими исходами. Для прогноза беременности точность модели была наибольшей, когда она фокусировалась на первых 20–50 часах развития, что указывает на то, что очень ранние деления клеток содержат мощные подсказки о последующем успехе. Для предсказания хромосомного статуса производительность оставалась высокой на протяжении всего периода культивирования, что означает, что полезные сигналы присутствуют на протяжении раннего роста эмбриона.

Что означают оценки в клинике

В реальной практике ЭКО врачи должны решать, какие эмбрионы перенести или дополнительно исследовать, а не просто ранжировать их. Поэтому исследователи выбрали практические пороги оценок на валидационных данных и применили их без изменений в тестовых клиниках, имитируя реальное внедрение. Для прогноза беременности выбранный порог сохранял большинство эмбрионов, которые в итоге привели к беременности, отбрасывая при этом многие, не имплантировавшиеся. Для предсказания хромосомного статуса порог удерживал значительную долю эмбрионов, которые тесты показали хромосомно нормальными, и отбирал в сторону многие, вероятно аномальные. Авторы подчёркивают, что эти инструменты предназначены для поддержки, а не замены клинического суждения — помогая приоритизировать эмбрионы, снижать потребность в инвазивном тестировании, когда оно нецелесообразно, и потенциально сокращать время до успешной беременности.

Взгляд в будущее — к более щадящему отбору эмбрионов

Для неспециалиста главный вывод таков: компьютеры теперь могут обучаться по коротким фильмам эмбрионов и давать неинвазивные подсказки о том, какие из них наиболее перспективны. Наблюдая, как эмбрионы делятся и меняются с самого начала, ИИ улавливает информацию, которую человеческий глаз и разовые снимки могут пропустить. Хотя необходимы дальнейшие испытания в более разнотипных клиниках и группах пациентов, этот подход указывает на путь к ЭКО, в котором выбор эмбриона станет более объективным, безопасным и менее зависимым от биопсий — предлагая более щадящую дорогу к созданию семьи.

Цитирование: Maekawa, R., Kiritani, T., Abe, T. et al. AI prediction models based on time-lapse imaging for good embryos with implantation potential and euploidy. Sci Rep 16, 9864 (2026). https://doi.org/10.1038/s41598-026-40917-5

Ключевые слова: ЭКО, отбор эмбрионов, таймлапс-видеосъёмка, искусственный интеллект, неинвазивное тестирование