本次介绍的论文聚焦体外受精（IVF）胚胎选择领域的关键评估瓶颈：在临床实践中，未移植胚胎因未被选择而无法观察到 “若被移植是否活产” 的结局。为破解这一难题，研究创新性地引入多重插补法，首次将未移植胚胎纳入完整评估体系。同时，研究构建了两种互补的 AUC 指标以精准衡量排序能力：跨不同患者、不同治疗周期的人群水平 AUC和聚焦单一周期内同一患者的胚胎队列的治疗水平 AUC，为胚胎选择算法评估提供了新的思路。
Bori L, Johansen MN, Berntsen J, Parner ET, Meseguer M. Predicting time to live birth with deep learning embryo ranking: a novel multiple imputation approach. Hum Reprod. 2025 Aug 1;40(8):1516-1525. doi: 10.1093/humrep/deaf102. PMID: 40514039.
IVF 胚胎选择困境：精准评估的探索
体外受精（IVF）中，活产时间（TTLB，即实现活产所需的胚胎移植次数）是衡量治疗效果的核心指标，而胚胎选择的准确性直接影响这一指标。传统依赖 Gardner 形态学分级的方法存在主观性强、排序精度有限的问题，新兴的 AI 算法（如 iDAScore）虽展现潜力，但评估其临床效用面临关键障碍：未移植胚胎的活产结局天然缺失，无法全面验证其在实际治疗中的排序价值。本研究旨在通过创新方法处理结局缺失，客观对比 iDAScore 与 Gardner 分级的临床效用，为胚胎选择算法的优化提供依据。
结局缺失难题：多重插补的破局之法
未移植胚胎的活产结局缺失是评估的核心难题 —— 这些胚胎因未被临床选择，“若被移植是否活产” 的信息未知，导致无法还原完整的临床选择场景。为此，研究采用链式方程多重插补（MICE）法：基于与胚胎活力密切相关的变量（患者年龄、卵母细胞来源、内细胞团（ICM）和滋养外胚层（TE）质量等级、既往移植结局等），通过随机森林模型模拟未移植胚胎的潜在活产结局（0 = 非活产，1 = 活产）。
插补过程通过生成 50 个独立数据集实现稳健性：每次插补从模型中随机抽取结果以反映结局的不确定性，50 个数据集则用于应对高缺失率（未移植胚胎占 57.7%）带来的统计偏差，确保后续分析（如活产时间、AUC 计算）的可靠性。插补结局需符合临床逻辑 —— 例如，年轻患者、高等级胚胎的插补活产率更高，且未移植胚胎的插补活产率（33.2%）低于移植胚胎（42.8%），与 “优先移植高质量胚胎” 的实际操作一致。
排序能力衡量：两种 AUC 的分野与计算
研究通过两种 AUC（受试者工作特征曲线下面积）评估算法的排序能力，二者因评估层面不同而存在显著差异。
人群水平 AUC 聚焦跨治疗周期的整体排序能力，即算法在 “所有胚胎（来自不同患者）” 中区分活产与非活产的准确性。其计算基于所有胚胎（移植 + 插补未移植）的评分 / 分级及对应结局：以评分 / 分级为阈值，计算不同阈值下的灵敏度（正确识别活产胚胎的比例）和特异度（正确识别非活产胚胎的比例），构建 ROC 曲线后计算曲线下面积；同时采用 Obuchowski 方法校正同一患者胚胎的聚类相关性，避免因胚胎间关联性导致的结果偏倚。
治疗水平 AUC 则针对单一治疗周期内的排序能力，即算法在 “同一患者的胚胎队列” 中区分活产与非活产的准确性（更贴近临床实际选择场景）。其计算限于 “非平凡周期”（至少 1 个活产和 1 个非活产胚胎）：在单个周期内，将所有活产胚胎与非活产胚胎两两配对，统计 “活产胚胎评分 / 分级≥非活产胚胎” 的比例（即正确排序比例），该比例即为该周期的 AUC；最终对所有周期的 AUC 取平均，并通过 50 个插补数据集合并结果（采用 Rubin 规则），得到整体治疗水平 AUC。
核心结果对比：AI 算法的显著优势
对比 iDAScore 与 Gardner 分级的表现可见：在活产时间上，iDAScore 排序的平均 TTLB 为 1.68 次，较 Gardner 分级（1.78 次）缩短 6.1%，且胚胎数量越多，优势越显著（如 7 个胚胎周期中缩短 10.7%）。在排序能力上，人群水平 AUC 中，iDAScore（0.633）略高于 Gardner 分级（0.619）；而治疗水平 AUC 中，iDAScore（0.672）显著高于 Gardner 分级（0.631），且两种方法的治疗水平 AUC 均高于人群水平，表明传统跨周期评估低估了实际排序能力。插补数据验证显示，模拟的未移植胚胎结局与患者年龄、胚胎质量的关联符合临床规律，证实了插补的合理性。
创新与局限：突破中的现实约束
本研究创新点在于通过多重插补法首次实现对所有胚胎（含未移植）的全面评估，解决了结局缺失的核心难题；区分两种 AUC 揭示了传统评估的局限，为算法性能提供了更贴合临床的衡量标准；量化验证了 AI 算法在缩短 TTLB 和提升排序精度上的优势。
研究仍有部分局限性：插补结局依赖输入变量的评估质量，可能存在模型偏差；基于单中心数据（73% 为捐赠卵母细胞），结果推广性受限；最多纳入 7 次移植，未覆盖更多次移植场景；未移植胚胎按 iDAScore 排序生成插补序列，可能轻微高估其性能。
临床价值与展望
临床层面，iDAScore 缩短 TTLB 的优势可减轻患者治疗负担，其更高的治疗水平 AUC 有助于精准选择高潜力胚胎，优化临床决策。方法学上，多重插补法为处理辅助生殖领域的结局缺失提供了范式，可推广至其他算法评估。未来需通过多中心研究验证普适性，开展前瞻性试验确认 AI 算法价值，并探索 “AI + 人工评估” 联合策略的优化空间。