体外受精(IVF)の臨床成績は、長らく培養士個人の技術に支えられてきました。どの胚を移植するかを決める胚選別、卵子や胚を凍結保存するガラス化保存、そして卵子に精子を直接注入する顕微授精(ICSI)は、いずれも培養士の熟練度に成績が左右される「オペレーター依存」の作業として知られています。こうした作業者間・作業者内のばらつきは複数の研究で報告されており、培養士の疲労やバーンアウトも国際調査で明らかにされています。
この状況を背景に、胚選別・ガラス化保存・ICSIのそれぞれを自動化する技術が開発され、2026年にはこれら3つの作業を1つの自動化システムに統合する「エンドツーエンド自動化」の最初の査読付き臨床データも発表されました。一方、体外受精サイクルのもう半分を占める、医師が担当する刺激・採卵・胚移植の領域にも、長年にわたり自動化・意思決定支援の蓄積があります。
Journal of Assisted Reproduction and Genetics誌(2026年)に掲載されたレビュー論文は、胚選別・ガラス化保存・ICSI・エンドツーエンド自動化という4つのラボ側の技術領域について、公表されているエビデンスを整理し、より成熟した医師側の自動化と比較したうえで、両者が並行して発展しなければ技術の恩恵は患者の転帰に届かないという構造的な論点を提示しています)。
方法──体外受精ラボの自動化を、4つの技術領域に分けて整理した
この論文は、系統的レビューではなく焦点を絞った narrative review(物語的レビュー)です。PubMed収載の主要研究に加え、ESHRE/Alphaのコンセンサス文書やコクランレビューを対象とし、とくにランダム化比較試験(RCT)や大規模な多施設データを重視しています。対象とした4つの技術領域は、AIによる胚選別、半自動化ガラス化保存、ロボットまたは遠隔操作によるICSI、そしてこれら3つを統合したエンドツーエンド自動化です。加えて、医師が担当する刺激・採卵・胚移植の自動化についても、比較対象として整理されています。
AI胚選別──網羅的なベンチマークでは優れていても、唯一のRCTでは非劣性を示せず
胚の形態評価には、経験豊富な培養士の間でも評価が一致しにくいという課題があります。ある多施設研究では、10名の熟練培養士が100症例それぞれについて移植する胚を1つ選んだところ、全員の意見が一致したのは半数のケースにとどまりました。この課題を背景に、時系列(タイムラプス)画像や静止画から胚の質を評価する複数のディープラーニングシステムが開発され、後方視的なベンチマークでは、いずれも培養士個人の判定と同等かそれを上回る精度を示してきました。
しかし、臨床的な価値を検証した唯一のランダム化二重盲検多施設非劣性試験(Illingworthらの研究)では、異なる結果が示されました。オーストラリアと欧州の14施設で1,066人の女性を、AIシステム(iDAScore)による胚選別群と、従来の形態評価群にランダムに割り付け、非劣性マージンを5%として臨床妊娠率を比較したところ、臨床妊娠率はAI群46.5%、形態評価群48.2%(リスク差-1.7%、95%信頼区間-7.7〜4.3、P=0.62)となり、非劣性は証明されませんでした(ただし劣っていたわけでもありません)。選別にかかる時間は、手動評価の約208秒から、AIでは約21秒へと短縮されており、臨床妊娠率の向上が証明されなくても、作業効率という観点では意義があると位置づけられています。また、凍結胚を1個ずつ順に移植する場合、AIによるランキングは移植の順序を変えるだけで、利用可能な胚の集合自体は変わらないため、累積の生児出生率そのものを理論上変えにくいという構造的な限界も指摘されています。時系列画像を用いる保育器(タイムラプスインキュベーター)についても、9件のRCT・2,955人を対象としたコクランレビューは、生児出生率や臨床妊娠率に従来の培養法との差を示すエビデンスはないと結論づけています。
ガラス化保存の自動化──Gaviはクライオトップと同等の臨床成績
卵子・胚のガラス化保存(急速凍結)は、極少量の培養液中で手作業により行うクライオトップ法が長らく標準とされてきましたが、微細な操作と厳密なタイミング管理が求められ、作業者の技術に成績が左右されやすい手技です。閉鎖系の半自動化ガラス化保存装置Gaviは、この標準化を目的に開発されました。多施設ランダム化比較試験(Hajekらの研究)では、2PN胚(正常受精が確認された胚)の生存率がクライオトップ群96.7%、Gavi群94%となり、臨床成績・胚培養成績に有意差はありませんでした。処置時間はクライオトップの約47分に対しGaviは約81分と長く、これは閉鎖系システムのワークフローがまだ最適化途上であることを反映していると考えられています。
融解(ウォーミング)工程についても自動化の恩恵が報告されています。3,439件の凍結胚移植を対象とした研究では、1段階の再水和融解プロトコルが、従来の多段階プロトコルと同じ99.5%の胚盤胞生存率を維持しつつ、継続妊娠率が60.4%対55.4%(P=0.011)と有意に高く、流産率も4.0%対7.6%(P=0.0001)と有意に低いという結果が示されています。さらに、卵子ガラス化保存はがん患者の妊孕性温存や希望による卵子凍結の分野で臨床インフラとして定着しており、6,362人・約1万個規模の登録データでも、累積生児出生率は凍結時の年齢や保存個数と密接に関連し、新鮮胚を用いた通常の体外受精と概ね同程度であったと報告されています。ガラス化胚移植後に生まれた1,072人の児を追跡した研究でも、新生児の健康状態や先天奇形率は新鮮胚移植と有意差がなかったとされています。
ロボットICSI──健康な出生例は報告されたが、まだ症例報告の段階
ICSIは1992年に初めて妊娠例が報告されて以来、30年以上にわたり熟練した培養士の手作業で行われてきました。2011年には動物卵子を用いたロボットICSIの技術的な実現可能性が示されましたが、ヒトの臨床胚を対象とした報告ではありませんでした。その後、自動化ICSIによる最初の出生例が報告され、精子の不動化・捕捉・卵子への注入という一連の手順を、培養士の監視と画像による確認のもとでシステムが実行したとされています。
さらに踏み込んだ報告として、約3,700キロメートル離れた場所からデジタル制御で遠隔操作したICSI手技による出生例(Mendizabal-Ruizらの症例報告)があります。1個あたりの平均注入時間は9分56秒で、ドナー由来の卵子5個を自動化アームに、同一ドナー由来の卵子3個を手動対照群に割り付けたところ、受精率は自動化群80%(4/5)、手動群100%(3/3)、いずれの群でも移植可能な胚盤胞が2個ずつ得られ、自動化群由来の融解胚移植から妊娠38週での健康な出生に至っています。単一の症例報告であり臨床標準を確立するものではありませんが、通信の遅延やコマンドの信頼性、エラー対応といった遠隔操作特有の課題が技術的に解決可能であることを示した点に意義があるとされています。
エンドツーエンド自動化──11例のパイロットでは、手動群のほうが数値上優れていた
胚選別・ガラス化保存・ICSIという個別の自動化をさらに統合し、採卵後の配偶子投入から融解胚盤胞の移植準備まで一貫して自動化するのが、エンドツーエンド自動化です。この分野で最初の査読付き臨床データが、2026年2月にHuman Reproduction誌に発表されました(Chavez-Badiolaらの研究)。メキシコの1施設で、精子調整、卵子回収・除核、そして精子選別・レーザーによる不動化・ピエゾICSIという3系統の自動化システムを連結させ、2024年4月から10月にかけて、11人の患者(自己卵子3周期、ドナー卵子8周期)を対象に、微弱刺激または低刺激法で実施されました。
同一患者から採取した卵子の一部を自動化システムに、残りを従来の手作業に割り付ける「姉妹卵子デザイン」が用いられ、受精率は自動化群64.3%(45/70)に対し手動群81%(47/58)、接合子あたりの利用可能胚盤胞率は自動化群42.2%(19/45)に対し手動群59.6%(28/47)と、いずれも手動群のほうが数値上上回りました。自動化群由来の融解単一胚盤胞移植12件では、生児出生5件、生化学的妊娠3件、早期流産1件で、移植あたりの生児出生率は41.7%でした。著者らはこの結果を、非劣性を主張するものではなく、あくまで実現可能性を示すパイロット研究として位置づけています。
この結果の解釈には、いくつかの構造的な制約があります。第一に、この試験は非劣性を検証できるだけの症例数(検出力)を備えておらず、実際に手動群のほうが両方の胚培養指標で数値上優れていました。第二に、対象患者はドナー卵子や低刺激周期が中心で、重度の男性不妊や受精不成功歴のある患者は明示的に除外されており、より難しい症例での性能は検証されていません。第三に、この試験は開発元と関係の深い単一施設で、開発元の資金提供のもとに実施されています。したがって、この研究は自動化システムが健康な出生に至る胚を生み出せることを示した一方で、未選別の患者群や複数施設で手作業と同等の成績を再現できることまでは示していないと整理されています。
医師側の自動化との非対称性、そして「並行発展の原則」
この論文が指摘する興味深い論点の一つは、ラボ側の自動化議論と、医師が担当する体外受精サイクルのもう半分との「非対称性」です。刺激周期のモニタリングや採卵、胚移植といった医師側の手技にも、培養士と同程度の術者間ばらつきが報告されているにもかかわらず、自動化の議論はほぼラボ側にのみ集中してきました。医師側では、自動的な卵胞計測を行う3次元超音波、排卵誘発剤の投与量を決めるアルゴリズム、卵巣過剰刺激症候群のリスク予測モデル、超音波ガイド下での胚移植などが、この20年間で臨床に組み込まれてきましたが、これらはいずれも「助言はするが、決定し実行するのは医師」という意思決定支援の枠組みにとどまっています。これに対し、AI胚選別や遠隔ICSI、エンドツーエンド自動化は、「実行そのものを担う」という質的に異なる段階に踏み出しつつあります。
この論文は、体外受精サイクルの臨床転帰(妊娠・出産)は、ラボ側と医師側の両方の成績によって規定され、どちらか一方が優れていても、もう一方が制約となって全体の成果を頭打ちにするという「並行発展の原則」を提示しています。最も洗練されたAIが選んだ胚も、刺激周期の管理が不十分であれば恩恵を発揮できず、最も精密な胚移植も、培養状態の悪い胚を救うことはできません。実際、AI胚選別の唯一のRCTが非劣性を示せず、エンドツーエンド自動化の唯一のパイロットが手動群に数値上劣っていたのは、いずれも医師側のワークフローが従来どおり手作業のままの環境で行われた結果であるとも解釈できるとされています。
見落とされがちな領域──PGT生検とチュービング
ラボ内にも同様の非対称性が観察されます。ICSI・ガラス化保存・胚選別は、いずれも手技が高度に標準化されており、残存する術者間のばらつきが臨床転帰に与える影響は比較的小さいとされています。これに対し、着床前遺伝子検査(PGT-A)のための栄養外胚葉生検と、採取した細胞を検査用チューブへ移す「チュービング」は、術者の技術が診断結果や胚の生存性に直接影響する作業として知られています。生検の失敗は胚盤胞の損傷や検体の汚染につながり、チュービングの失敗は正倍数性の胚が「判定不能」として廃棄される、あるいは検査結果が実際の胚の遺伝的性質を反映しない、といった事態を招きかねません。それにもかかわらず、この論文が対象とした4領域のうち、専用の自動化プラットフォームがほとんど存在しないのがPGT生検とチュービングであり、この論文はこれを商業的な自動化開発の焦点が必ずしも臨床的な重要性と一致していないことを示す一例として位置づけています。
日本の生殖医療現場にとっての意味
日本では、胚選別・ガラス化保存・ICSIそれぞれの領域で、すでに一部の技術が導入されつつありますが、今回のレビューが示すように、技術ごとにエビデンスの成熟度は大きく異なります。ガラス化保存の半自動化については多施設RCTによる同等性が示されている一方、AI胚選別は唯一のRCTで非劣性が証明されておらず、ロボットICSIやエンドツーエンド自動化は症例報告や単一施設のパイロット研究の段階にとどまっています。日本の臨床現場では、患者への説明においても、こうした技術ごとのエビデンスレベルの違いを踏まえた情報提供が求められると考えられます。「AIが最良の胚を選びました」という説明と、「AIが標準的な形態評価を補助しました」という説明とでは、実際のエビデンスに基づく含意が異なります。
また、日本の生殖医療の議論では培養士の労働環境や人員体制がしばしば課題として挙げられており、今回のレビューが指摘する培養士の疲労やバーンアウトの問題は、日本の現場にも共通する論点です。自動化は培養士の役割を消失させるのではなく、検証・例外対応・品質管理へと役割を移行させるものとして位置づけられており、この点は日本の人材育成や労務設計の議論においても参考になり得ます。
研究の強みと限界
このレビューの強みは、胚選別・ガラス化保存・ICSI・エンドツーエンド自動化という4つの技術領域を横断的に整理し、それぞれのエビデンスレベルを明確に区別した点、そして医師側の自動化という比較対象を導入することで、ラボ側自動化の議論に欠けていた視点を補った点にあります。
一方で限界もあります。第一に、これは系統的レビューではなく焦点を絞った narrative reviewであり、選定された研究には一定の偏りがある可能性があります。第二に、単著によるレビューであり、多数の一次研究や小規模なコホート研究が省略されています。第三に、エンドツーエンド自動化の唯一の臨床データは、開発企業と関係の深い単一施設・単一研究チームによるものであり、独立した施設での追試はまだ行われていません。第四に、AI胚選別についても、唯一のRCT以外は後方視的なベンチマーク研究が中心であり、異なる基準を用いた研究間の比較には限界があるとされています。
おわりに
今回のレビューは、体外受精ラボの自動化について、技術領域ごとのエビデンスの濃淡を整理し、ガラス化保存が最も成熟した段階にある一方、AI胚選別は唯一のRCTで非劣性を示せず、ロボットICSIとエンドツーエンド自動化はいずれもまだ症例報告やパイロット研究の段階にとどまることを示しました。同時に、医師側の自動化との非対称性、そしてPGT生検・チュービングという臨床的に重要でありながら自動化が進んでいない領域の存在も指摘されています。今後の課題として、AI胚選別が優越性を示す前向き試験が実施されるか、ロボットICSIやエンドツーエンド自動化が独立施設での再現性を示せるか、そして医師側の自動化がラボ側の進展に追いつく形で並行して発展するかが挙げられており、これらの問いへの答えが、体外受精における自動化技術が実際に患者の転帰改善に結びつくかどうかを左右すると位置づけられています。
参考文献
1. Dirican EK. Automation in the IVF laboratory in 2026: four technology domains, an asymmetric evidence base, and the case for parallel development with clinician-side automation. J Assist Reprod Genet 2026. doi:10.1007/s10815-026-03946-7.
2. Illingworth PJ, Venetis C, Gardner DK, Nelson SM, Berntsen J, Larman MG, et al. Deep learning versus manual morphology-based embryo selection in IVF: a randomized, double-blind noninferiority trial. Nat Med 2024;30(11):3114-20. doi:10.1038/s41591-024-03166-5.
3. Hajek J, Baron R, Sandi-Monroy N, Schansker S, Schoepper B, Depenbusch M, et al. A randomised, multi-center, open trial comparing a semi-automated closed vitrification system with a manual open system in women undergoing IVF. Hum Reprod 2021;36(8):2101-10. doi:10.1093/humrep/deab140.
4. Mendizabal-Ruiz G, Chavez-Badiola A, Hernández-Morales E, Valencia-Murillo R, Ocegueda-Hernández V, Costa-Borges N, et al. A digitally controlled, remotely operated ICSI system: case report of the first live birth. Reprod Biomed Online 2025;50(5):104943. doi:10.1016/j.rbmo.2025.104943.
5. Chavez-Badiola A, Mendizabal-Ruiz G, Flores-Saiffe Farías A, Costa-Borges N, Murray A, Alikani M, et al. Automated oocyte retrieval, denudation, sperm preparation, and ICSI in the IVF laboratory: a proof-of-concept study and report of the first live births. Hum Reprod 2026;41(2):214-30. doi:10.1093/humrep/deaf240.