本次介绍的论文通过单中心盲法观察性设计评估 SiD™ AI 软件在 ICSI 精子选择中减少操作差异的效果并对比其与资深胚胎学家人工选择的差异，同时探索不同卵子周期背景下精子质量对胚胎发育的作用。研究整合多种 AI 工具构建全链条质量评估体系，结合自体与捐赠卵子周期分层分析，同步解析配子协同作用。不过SiD™核心算法未公开，影响研究结果的独立重复性，且单中心、回顾性设计及中等样本量可能限制结论外推性，很多结论没有得到显著性，未来仍需进一步扩大数据验证结论。
Carrión-Sisternas L, Viloria T, Martin E, Carrión T, Remohí J, Meseguer M. Automated AI for real-time sperm selection in ICSI: reducing variability and studying the role of sperm in embryo development. Reprod Biol Endocrinol. 2025 Nov 27;23(1):155. doi: 10.1186/s12958-025-01479-9. PMID: 41299699; PMCID: PMC12659390.
一、研究背景
卵胞浆内单精子注射（ICSI）作为辅助生殖技术（ART）的主流手段，其精子选择环节长期依赖胚胎学家的主观评估，存在显著个体差异与操作变异，可能导致功能或染色体异常的精子被选中，进而影响受精与胚胎发育质量。计算机辅助精子分析等技术虽试图优化选择流程，但均未能彻底解决标准化选择的核心难题，且此前相关研究存在样本量小、未同步评估精卵质量等局限，制约了对精子质量在胚胎发育中作用的深入理解。
二、实验设计
本研究采用单中心、盲法、观察性设计，纳入 102 对不孕夫妇共 628 枚成熟卵子，围绕 “减少变异” 与 “明确精子作用” 两大科学问题构建多维度嵌套对比体系。在技术应用层面，SiD™将精子自动分级为 “Best/Good/Medium/Low” 四级，将主观视觉判断转化为客观量化标准，为评估选择变异提供了标准化工具。盲法设计保障了结果的严谨性，胚胎学家在未知 SiD™评分的情况下按传统标准选择精子，研究人员通过录像回溯完成分级与注射结果的匹配，有效规避了选择偏倚，确保了AI辅助组与传统ICSI组对比的客观性。研究同时整合 SiD™与 Magenta IVF R3.0 等 AI 工具，构建 “精子 – 卵子 – 胚胎” 全链条质量评估体系，结合自体与捐赠卵子周期的分层设计，建立不同卵子质量背景下的对比模型，同步分析两种配子的协同作用。
三、关键实验结果
1. AI 系统（SiD™）在减少选择差异中的效果
SiD™系统通过量化精子的线性度（LIN）、直线速度（VSL）及头部运动模式（HMP）等参数，将精子分为 “Best”“Good”“Medium”“Low” 四级，以客观标准化评估替代胚胎学家的主观判断，有效降低了 ICSI 精子选择过程中的操作差异。该系统辅助组的选择标准统一性显著高于传统人工选择组，不同操作者间的一致性更强，且生殖结局的变异系数更小，证实了其在提升选择流程稳定性上的价值。同时，SiD™辅助组与资深胚胎学家人工选择组的核心生殖指标（受精率、囊胚形成率等）无统计学差异，整体人群中辅助组受精率 79.88%、囊胚形成率 72.14%，略高于传统组的 74.79% 和 67.41%，在自体卵子周期中优势更明显。
2. 不同质量精子与卵子的作用及交互影响
精子质量对胚胎发育的影响具有显著场景依赖性：整体人群中，“Best”“Good” 级精子的囊胚形成率（70.07%、68.16%）和可用囊胚率（44.02%、44.94%）呈现数值优势；在自体卵子周期中，“Best” 级精子的囊胚形成率（67.47%）显著高于 “Low” 级（41.67%，P<0.05），而捐赠卵子周期中不同精子质量等级的生殖结局无显著差异，提示优质卵子可掩盖精子质量差异。配子质量的交互作用同样关键：低质量卵子（Magenta 评分＜5 分）与 “Best/Good” 级高运动能力精子结合时，受精率、囊胚形成率及整倍体囊胚率（40.00%）均高于与 “Medium/Low” 级精子结合组，整倍体囊胚率为后者（20.00%）的 2 倍；而高质量卵子（评分≥5 分）与不同运动能力精子结合的结局差异不明显。此外，自体卵子的平均 AI 质量评分（5.686）显著低于捐赠卵子（6.249，P=0.012），这一差异与两组周期对精子质量的敏感度差异高度相关，进一步揭示了卵子质量对精子功能影响的调控作用。
四、研究创新
本研究的核心创新体现在研究设计与评估体系的系统性突破。在评估体系构建上，整合多种专用 AI 工具，通过 SiD™量化评估精子质量、Magenta IVF R3.0 分析卵子质量，同时借助 IDAScore v2.0、KIDScore D5 v3.1 及 HERA v.1.0 多算法同步评估胚胎质量，构建起 “精子 – 卵子 – 胚胎” 全链条的 AI 量化评估框架，填补了此前研究未能同步解析两种配子协同作用及胚胎质量关联的空白。在研究设计上，创新性地同时纳入自体卵子周期与卵子捐赠周期，构建不同卵子质量背景的分层对比模型，通过两组周期的结局差异，明确了精子质量作用的场景依赖性特征，为理解精子功能在不同卵子质量条件下的差异化影响提供了更全面的研究视角。在评估维度上，突破传统研究仅聚焦生殖结局的局限，将 “减少操作者间变异性” 作为核心评估目标，为辅助生殖流程标准化的评估提供了新的核心指标与研究范式。
五、研究局限
本研究虽取得重要进展，但仍存在明确的局限：一是 SiD™核心算法未公开，影响了研究结果的独立重复性，未来研究需推动算法透明化，以提升相关技术评估的科学严谨性；二是软件仅基于精子运动参数评分，未纳入形态学、DNA 完整性等关键指标，可能限制了对精子质量评估的全面性，后续需整合多维度生物标志物，构建更全面的精子质量评估体系；三是单中心、回顾性设计及中等样本量可能限制结论的外推性，部分亚组样本量较小也可能影响统计效能，未来需开展多中心、大样本的前瞻性随机对照试验，进一步验证研究结论的普适性。
六、未来展望
未来研究可围绕三个方向深入：一是扩大特殊人群（如反复 IVF 失败、严重男性不育）的纳入范围，更全面地探索精子质量在不同临床场景下对胚胎发育的作用机制；二是结合转录组学、表观遗传学等技术，深入挖掘精子质量影响胚胎发育的分子机制，为揭示配子交互作用的生物学基础提供新的视角；三是基于本研究建立的评估框架，开展 AI 辅助选择技术的长期随访研究，评估其对后代健康的影响，为技术的安全性提供更充分的科学证据，推动辅助生殖领域的可持续发展。