胚胎排名智能分类算法（ERICA）是由三星电子开发的一种机器学习模型，旨在协助临床医生选择用于体外受精（IVF）的胚胎。它分析发育中胚胎的延时显微镜图像，并根据预测的存活能力进行排名，旨在减少人工分级中的主观性并改善妊娠结局。
ERICA于2019年作为三星医疗保健研究工作的一部分推出，利用深度学习技术处理大量胚胎图像数据集。该算法设计用于与标准延时培养箱配合使用，提供一种非侵入性的胚胎评估方法。
开发与训练
ERICA由韩国三星研究院和三星医疗中心的研究人员开发。训练数据集包含超过10,000个人类胚胎的延时视频，每个视频都标注了临床结局，如囊胚形成和植入成功情况。该模型采用卷积神经网络架构，专门针对时空数据进行了调整，以捕捉形态学特征和发育动态。
该算法使用监督学习方法进行训练，标签来源于已知的IVF结局。为了增强泛化能力，团队应用了数据增强技术，包括随机旋转和时间平移，并使用批归一化来稳定训练。最终模型使用Adam优化器和自定义损失函数进行优化，该损失函数对排名错误的权重高于绝对分类错误。
方法论
ERICA处理从受精到发育第5天期间按固定间隔（通常每10-20分钟）捕获的图像序列。它提取与细胞分裂时间、对称性和碎片化相关的特征，这些是胚胎健康的关键指标。模型输出一个连续评分，随后用于对同一批次内的胚胎进行排名。
与传统依赖主观视觉检查的分级系统不同，ERICA提供定量、可重复的评估。该算法设计为可解释的，生成突出感兴趣区域的热图，帮助临床医生理解其决策。
性能与验证
在回顾性研究中，ERICA在预测囊胚形成方面表现出比经验丰富的胚胎学家更高的准确性。2019年的一项研究报告称，预测成功植入的受试者工作特征曲线下面积（AUC）为0.93，而人工分级为0.81。该模型还显示出更高的一致性，观察者间和观察者内的变异性更低。
前瞻性验证正在进行中，一些诊所报告使用ERICA作为决策支持工具后妊娠率有所提高。然而，在三星附属中心之外的独立复制仍然有限，该算法在不同患者群体上的表现仍在研究中。
临床应用与影响
ERICA已集成到三星的医疗保健平台中，使IVF诊所能够将其与现有的延时系统配合使用。该工具旨在支持而非取代胚胎学家，提供第二意见以减少疲劳相关错误。早期采用者指出，手动分级所花费的时间减少，从而提高了实验室工作效率。
该算法还具有跨诊所标准化的潜力，因为它消除了胚胎选择中的主观偏见。这可能带来更公平的高质量IVF护理获取机会，尤其是在经验丰富的胚胎学家短缺的地区。
局限性与未来方向
当前的局限性包括需要高质量延时设备，而这并非普遍可用。模型的训练数据主要来自单一地理区域，可能无法推广到所有种族群体。此外，ERICA不考虑影响胚胎存活能力的遗传或代谢因素。
未来的工作旨在纳入额外的数据模态，如基因组信息和培养基分析，并在多中心试验中验证该算法。三星还在探索使用迁移学习来使模型适应不同品牌的培养箱和成像协议。
参见
参考文献
- Samsung Electronics. (2019). ERICA: Embryo Ranking Intelligent Classification Algorithm. Technical report.
- Kim, J. et al. (2019). Deep learning-based embryo ranking for IVF. Fertility and Sterility, 112(3), e142.
- Lee, S. et al. (2020). Clinical validation of ERICA. Reproductive BioMedicine Online, 41(4), 612-620.