胚評価における信頼できる人工知能の開発と多施設妥当化のための方法論的枠組みの適用

概要

10施設のデータを用いた深層学習モデルは、AIスコア上位ほど妊娠（胎児心拍）と強く関連し、最上位群でOR約3.8～4.0を示した。注目すべきは、臨床使用例に即したデータ整備、可変データでの性能評価、形態学との整合による説明可能性を含む4段階の方法論である。

主要発見

• AIスコア区分は試験・独立両データセットで胎児心拍のオッズが段階的に上昇（最上位区分のORは約3.84～4.01）。
• 施設や年齢層を超えて汎化し、各年齢層で胎児心拍陽性胚の平均AIスコアが高かった。
• AIスコアは既存の形態学的品質指標と相関し、説明可能性を裏付けた。
• データ整備、最適化、可変データ下での性能評価、説明可能性を含む4段階枠組みを提示。

臨床的意義

施設間で一貫した胎児心拍との関連が示されたため、胚選別の補助指標としてAIスコアの活用が検討可能。とはいえ、出生率向上の因果検証や施設別キャリブレーション・ガバナンスの確立には前向き試験が必要である。

限界

• 非ランダム化・後方視的データであり、出生率改善の直接証拠はない
• タイムラプス撮像や特定ラボ運用に依存し、選択バイアスの可能性

今後の方向性

出生率への影響を検証する前向きランダム化試験、施設別キャリブレーションと公平性監査、臨床意思決定支援との統合および費用対効果の評価。