生殖補助医療における胚の等級判定と妊娠予測のためのマルチモーダル人工知能：レビュー
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2505.20306v2 発表種別：差し替え
要旨：不妊は世界的な喫緊の健康問題であり、世界中で相当数の人々に影響を与えている。生殖補助医療（ART）の進歩により効果的な介入が提供されているものの、従来の体外受精胚移植（IVF-ET）法では妊娠成功率の向上に依然として大きな課題が残されている。主な課題には、胚評価における固有の主観性と、多様なデータの統合における非効率性がある。こうした状況を背景に、AI駆動技術の導入がこれらの問題に対処するための重要な戦略として台頭してきた。本稿は、静止画像、タイムラプスビデオ、構造化表形式データなど、様々なモダリティデータの活用に焦点を当て、新規の視点から胚評価と妊娠予測へのAI応用に関する進歩を包括的にレビューする。この視点の理由は、データソースに基づいてタスクを再編成することで、問題の本質をより正確に描写できるだけでなく、モデル設計の合理性と限界を明確化できるためである。さらに、本レビューでは、多様な特徴の融合の複雑さ、データ不足による制約、モデルの汎化能力の限界、そしてダイナミックに進化する法的・規制上の枠組みなど、現代研究における中核的な課題を批判的に検証する。その上で、多様なモダリティAIのART分野への応用を促進するための実行可能な指針を提供することを目指し、今後の研究の潜在的な方向性を明確に示す。
原文（英語）を表示
Title (EN): Multi-Modal Artificial Intelligence of Embryo Grading and Pregnancy Prediction in Assisted Reproductive Technology: A Review
arXiv:2505.20306v2 Announce Type: replace
Abstract: Infertility, a pressing global health concern, affects a substantial proportion of individuals worldwide. While advancements in assisted reproductive technology (ART) have offered effective interventions, conventional in vitro fertilization-embryo transfer (IVF-ET) procedures still encounter significant hurdles in enhancing pregnancy success rates. Key challenges include the inherent subjectivity in embryo grading and the inefficiency of multi-modal data integration. Against this backdrop, the adoption of AI-driven technologies has emerged as a pivotal strategy to address these issues. This article presents a comprehensive review of the progress in AI applications for embryo grading and pregnancy prediction from a novel perspective, with a specific focus on the utilization of different modal data, such as static images, time-lapse videos, and structured tabular data. The reason for this perspective is that reorganizing tasks based on data sources can not only more accurately depict the essence of the problem but also help clarify the rationality and limitations of model design. Furthermore, this review critically examines the core challenges in contemporary research, encompassing the intricacies of multi-modal feature fusion, constraints imposed by data scarcity, limitations in model generalization capabilities, and the dynamically evolving legal and regulatory frameworks. On this basis, it explicitly identifies potential avenues for future research, aiming to provide actionable guidance for advancing the application of multi-modal AI in the field of ART.
Published: 2025-09-24 19:00 UTC