ラボと技術 | SRHリサーチ株式会社

2026年8月21日2026年8月31日

磁石はいらない──音波で全血からホルモンを20分ではかる

黄体形成ホルモン(LH)、卵胞刺激ホルモン(FSH)、ヒト絨毛性ゴナドトロピン(β-hCG)、テストステロン、エストラジオール(E2)は、排卵のタイミングや妊娠判定、不妊症の原因評価など、生殖医療の診療において繰り返し測定される代表的なホルモンです。これらの値は数時間から数日単位で変動するため、迅速かつ高精度な測定が診療のスピードに直結します。

現在、これらのホルモンを高感度に測定できる標準的な手法は化学発光免疫測定法(CLIA)です。CLIAは背景ノイズが小さく、フェムトモル濃度域まで検出できる利点を持つ一方、多くの市販装置は磁性ビーズを使った自動化に依存しており、外部磁場を発生させる装置や高価な磁性粒子が必要になります。さらに、全血や血清を直接扱う場合、たんぱく質の付着や非特異的な吸着といったマトリックス効果が測定精度を下げる要因となり、これを小型で完結した診断装置に落とし込むことは技術的に難しい課題とされてきました。

この課題に対し、磁性ビーズの代わりに音波の力を利用して血漿分離と免疫粒子の濃縮を行う全自動小型CLIA装置を開発し、その性能を検証した研究がAnalytica Chimica Acta誌(2026年、DOI: 10.1016/j.aca.2026.345898)に報告されました。全血を直接投入するだけで、LH・FSH・β-hCG・テストステロン・エストラジオールの5種類を約20分で測定できるとしています。

発想の転換──磁石の代わりに“音波”を使う

従来の自動化CLIA装置の多くは、抗体を結合させた磁性ビーズを磁場で操作し、洗浄・濃縮・反応を進める仕組みを採用しています。磁性ビーズは高価であるうえ、濃縮の過程で粒子同士が凝集しやすく、反応のばらつきにつながることが知られていました。また、磁場を発生させる専用のアクチュエーターや配管も装置を複雑にする要因でした。

今回開発された装置は、これらの磁性部品を一切使わず、圧電素子(PZT)が発生させる音響定在波の力(音響放射力)を利用します。周波数3MHz、印加電圧10Vで駆動する超音波が流路内に定在波を作り出し、粒子を圧力の節に向かって移動させることで、全血からの血漿分離と、ホルモンに結合したビーズの濃縮という2つの工程を磁石なしで実現しています。標準的なカルボキシル化ポリスチレンビーズ(直径7μm)が使われており、参考価格では同サイズの磁性ビーズが1gあたり約1800米ドルであるのに対し、非磁性ビーズは約1400米ドルと、部材コストの面でも優位性があるとしています。

方法──全血から5つのホルモンをどう測定したか

測定対象は、LH、FSH、β-hCG、総テストステロン(TT)、エストラジオール(E2)の5項目です。装置は韓国のMicrodigital社が開発した試作機「MDwave-C1(Prototype II)」で、全ての試薬と反応槽を内蔵した専用カートリッジ(各ウェルに実測定に必要な容量の30%増しの安全マージンを確保)を用い、Y軸・Z軸の2軸モーション制御で自動的にサンプルを各ウェルへ搬送します。全血は音響分離チップで血漿画分と血球画分に分けられたのち、抗体結合ビーズとの免疫反応、音響トラップによる濃縮、洗浄、西洋わさびペルオキシダーゼ(HRP)標識抗体との反応、化学発光基質添加、光電子増倍管(PMT)による発光検出という一連の流れを自動で完了します。総測定時間(TAT)は前処理19分と検出1分未満を合わせて20分以内でした。標準試料には高・中・低濃度の3段階の標準品(Boditech Med社製)を用い、臨床検体はEONE Laboratories(韓国・仁川)から提供された血清を用いて、施設の倫理審査委員会の承認(IRB No. 128477 201611 ER 010)のもとヘルシンキ宣言とGood Clinical Practiceに準拠して収集されました。比較対照には市販の基準分析装置であるRoche Cobas e411を用い、CLSI EP09ガイドラインに基づく方法間比較を行っています。臨床相関の評価では、β-hCGとFSHは各60検体、LH・TT・E2は各30検体が解析対象とされました。

血漿分離93%、粒子回収94〜98%──装置の基礎性能

音響分離チップは、10%に希釈した全血を流速30μL/分で処理し、赤血球の除去率(分離効率)は約93%に達しました。この工程で血漿中の血球混入を抑えることが、後段の化学発光反応におけるマトリックス干渉の低減に寄与しています。続く音響トラップモジュールでは、7μmのポリスチレンビーズの回収率が94〜98%に達し、濃縮を行わない条件と比べてシグナル対ノイズ比が2.5倍向上したことが報告されています。光学系の測定レンジは約5桁(10〜1,200,000相対発光単位〔RLU〕)にわたる広いダイナミックレンジを示し、同一条件での再現性は変動係数(CV)1%未満と高い安定性が確認されました。量産を想定した5台のPMTモジュール間のばらつきもCV10%以内に収まり、装置間差の小ささが示されています。

5つのホルモンすべてで、誤差5%以内の精度

標準試料を用いた再現性評価では、高・中・低の3段階の濃度いずれにおいても、5項目すべての平均CVが5%を下回りました(β-hCG 4.4%、LH 4.8%、FSH 4.51%、TT 4.88%、E2 4.8%)。これは、同じ検体を繰り返し測定した際のばらつきが小さく、臨床判断に足る安定した数値が得られることを意味します。

検出感度の指標である検出限界(LOD)は、β-hCG 0.494 mIU/mL、LH 0.490 mIU/mL、FSH 0.215 mIU/mL、TT 0.013 ng/mL、E2 2.76 pg/mLと算出されました。検出限界とは、装置が検体の存在を統計的に確からしく判定できる最低濃度を指し、値が小さいほど微量のホルモンでも捉えられることを意味します。とくにE2の空試験限界(LOB)は0.93 pg/mLと極めて低く、低濃度域での精密な測定が求められる場面での有用性を示唆しています。

基準機器との一致度──相関係数0.97超えの意味

臨床検体を用いた方法間比較では、5項目すべてにおいてRoche Cobas e411との決定係数(R²)が0.97を上回りました。決定係数は1に近いほど2つの測定値の一致度が高いことを示す指標で、0.97超という値は、既存の据え置き型分析装置に匹敵する精度で全血から直接ホルモンを測定できていることを意味します。

さらにBland-Altman分析によって系統的な誤差の有無を確認したところ、5項目いずれにおいても両装置の測定差の大部分が95%一致限界の範囲内に収まり、明確な系統的なずれは認められませんでした。

選択性と交差反応──似たホルモンを見分ける力

臨床検体には測定対象以外の物質も多く含まれるため、これらへの反応性(選択性)も検証されました。ビオチン、ヘモグロビン、ビリルビン、L-アスコルビン酸、EDTA、トリグリセリド、コレステロールといった内因性物質を添加した試料で干渉率を調べたところ、いずれの項目でも干渉率は±10%以内に収まり、多くは8%未満でした。

LH、FSH、β-hCGは共通のαサブユニットを持つ糖タンパクホルモンであるため、ヒト甲状腺刺激ホルモン(hTSH)などとの交差反応も検証されました。またステロイドホルモンであるTTはアンドロステロン・コルチゾール・エストラジオールと、E2はコルチゾール・17α-エストラジオール・エストリオール・エストロンといった構造的に類似した物質との交差反応が調べられ、いずれも臨床的に許容される範囲内であったことから、抗体の高い特異性が確認されました。

臨床的意味・日本への含意

臨床現場では、生殖ホルモンの測定結果を待つ時間が、排卵誘発や体外受精における投薬・採卵のタイミング決定に直結する場面が少なくありません。中央検査室に検体を送る従来の運用では結果判明までに時間を要することがありますが、今回の装置のように全血から20分程度で複数のホルモンを同時に測定できる仕組みが実用化されれば、診察室や胚培養室に近い場所でその場の判断材料を得られる可能性があります。日本では生殖補助医療の実施件数が増加を続けており、迅速なホルモン測定へのニーズは高いと考えられますが、今回報告された装置はあくまで試作段階(Prototype II)であり、日本を含む各国での薬事承認や、多施設・大規模な検体での追加検証を経る必要があります。

研究の強みと限界

本研究の強みは、磁性ビーズを排した音響方式によって装置構成をシンプルにしながら、5種類のホルモンすべてで市販の基準分析装置と同等の精度(R²>0.97)を達成した点にあります。標準試料と臨床検体の双方で系統的な検証を行い、干渉物質や構造類似物質に対する選択性も確認されています。一方で限界も指摘できます。臨床検体はいずれも韓国国内の単一施設(EONE Laboratories)から得られたものであり、LH・TT・E2の解析対象は各30検体にとどまるため、より多様な集団や大規模なコホートでの再現性確認が今後の課題です。また、比較評価に用いられたPMTモジュールは5台のみであり、量産時の装置間ばらつきや長期的な耐久性については十分なデータが示されていません。今回のカートリッジや抗体試薬は本装置専用に設計されたものであり、他の商用プラットフォームへの一般化可能性についても今後の検証が待たれます。

おわりに

今回の研究は、磁性ビーズを用いずに音響放射力だけで血漿分離とビーズ濃縮を行う全自動小型CLIA装置を開発し、生殖医療で頻用される5つのホルモンについて、既存の基準分析装置に匹敵する精度と再現性を全血から20分以内で得られることを示しました。今後、より大規模な臨床検証と各国での薬事承認プロセスを経ることで、中央検査室と即時検査(POCT)の間を埋める選択肢の一つとなることが期待されます。

参考文献

1. Jin E, Go A, Ha Y, Lee CW, Kim KN, Lee Y, Lee MH.『Acoustophoretic sample preparation integrated chemiluminescence immunoassay microsystem for automated detection of hormones in whole blood』Analytica Chimica Acta 2026;1419:345898. doi:10.1016/j.aca.2026.345898

2026年8月15日2026年8月31日

採血9項目でEDリスクを見抜く――機械学習が示した早期発見への道

勃起機能不全(ED)は、満足な性交渉に十分な勃起を得る、あるいは維持することが困難な状態を指し、男性の性機能障害のなかでもっとも頻度の高いものの一つです。局所的な問題にとどまらず、心血管疾患のセンチネルマーカー(前兆となる指標)としても位置づけられており、早期発見と治療が心血管リスクの低減につながる可能性も指摘されています。

現在の臨床ガイドラインでは、IIEF-5などの質問票による評価が診断の中心で、夜間陰茎勃起硬度(NPTR)検査や陰茎カラードプラ超音波検査は、費用や入院を要することもあり、複雑な症例に限って用いられます。加えて、羞恥心や社会的な偏見から症状を自発的に申告しにくいという事情もあり、早期介入の機会が失われやすい構造があります。こうした背景から、通常の血液検査から得られる客観的なスクリーニング手法へのニーズが指摘されてきました。

Andrology誌に2026年に掲載された研究は、日常的な採血データをもとに機械学習モデルを構築し、EDリスクを予測できるかを検証しました(doi:10.1111/andr.70358)。全国調査データによる訓練と、独立した臨床コホートによる外部検証という二段階のデザインを採用し、外部検証でAUC 0.934という高い判別性能を報告しています。

方法――全国調査データと独立した臨床コホートの二段階で検証した

訓練・内部検証データには、米国の全国健康栄養調査(NHANES)2001〜2004年分が用いられ、女性や20歳未満などを除外した4116人の男性が解析対象となりました。年齢、BMI、血算19項目、生化学23項目、性ホルモン4項目の計49項目が収集され、勃起機能に関する質問への回答から非ED・EDに分類されています。データは訓練群2882人と内部検証群1234人に7対3で分割されました。

外部検証には、安徽医科大学附属第一医院を2025年5月〜11月に受診した489人(非ED 359人、ED 130人)が組み入れられました。この群では質問票ではなくNPTR検査によって客観的にED診断が確定されており、主観的な自己申告で訓練したモデルが、検査に基づく客観的基準でも通用するかを試す設計になっています。

変数選択は、単変量ロジスティック回帰(p<0.05)、多変量ロジスティック回帰(11候補)、LASSO回帰(10分割交差検証、λ=0.005143977で24変数)を経て、両手法に共通する年齢、総カルシウム、コレステロール、重炭酸塩、血糖、クレアチニン、グロブリン、テストステロン、SHBGの9項目に絞り込まれました。この9項目をもとに、ロジスティック回帰・決定木・ランダムフォレスト・XGBoost・LightGBM・KNN・SVMの7モデルが、グリッドサーチと5分割交差検証で構築・最適化されています。

9つに絞り込まれた血液指標――49項目からの生き残り

多変量ロジスティック回帰では、年齢のオッズ比(OR)は1.05(95%信頼区間1.04〜1.06、p<0.001)で、年齢が上がるほどEDリスクが高まることを示しました。テストステロンはOR 0.64(0.54〜0.76、p<0.001)と1未満で、値が高いほどリスクが低いという保護的な関連です。SHBGはOR 1.04(1.03〜1.06、p<0.001)、血糖はOR 1.10(1.04〜1.17、p<0.001)、グロブリンはOR 1.40(1.04〜1.89、p=0.027)、総カルシウムはOR 4.29(1.13〜16.28、p=0.032)、重炭酸塩はOR 1.06(1.01〜1.12、p=0.024)、コレステロールはOR 0.87(0.78〜0.96、p=0.006)、クレアチニンはOR 1.00(0.99〜1.00、p=0.028)と、いずれも統計学的に有意でした。49項目という膨大な候補からこの9項目まで絞り込まれた点が、実用性を支える土台になっています。

ランダムフォレストの独り勝ち――外部検証AUC 0.934

内部検証では7モデルのAUCが0.791〜0.856に収まり、SVM(0.856)とLightGBM(0.844)が上位でした。しかし訓練データとは分布の異なる独立した外部検証セットでは、ランダムフォレストがAUC 0.934、XGBoostがAUC 0.911と高い性能を示した一方、従来型のロジスティック回帰はAUC 0.743にとどまりました。約19ポイントの差は、血液指標とEDの関係が単純な線形関係では捉えきれないことを示唆しています。

ランダムフォレストは正確度0.918、特異度0.986、陽性的中率0.950を外部検証で達成しました。感度は0.731で、XGBoost(0.700)とともに、ロジスティック回帰(0.323)やSVM(0.285)を大きく上回っています。感度が低いモデルは実際にEDがある人の多くを見逃すため、この差は実用性に直結します。較正曲線は理想的な対角線に近い形を示し、決定曲線分析(DCA)でも、閾値確率0.1〜0.6の範囲でランダムフォレスト・XGBoost・LightGBMが「全員に介入」「誰にも介入しない」という単純戦略より高い臨床的純利益を示しました。

決め手は年齢だけではない――SHBGとテストステロンの役割

最も性能の高かったランダムフォレストモデルについて、SHAP(SHapley Additive exPlanations)という手法で各指標の寄与度が解析されました。もっとも影響力が大きかったのは年齢で、それに続いたのがSHBGとテストステロンです。血糖、コレステロール、グロブリン、総カルシウム、クレアチニン、重炭酸塩といった代謝・生化学指標も、無視できない予測寄与を示しました。

SHBGが上昇すると、体内で作用可能な遊離テストステロンが減少し、一酸化窒素の合成や陰茎海綿体の平滑筋弛緩が妨げられる可能性があります。総テストステロン値が正常範囲内でも勃起機能に影響が及びうるということです。高血糖や脂質異常は血管内皮機能障害・微小血管障害の主要な機序として陰茎血流に直接関わり、クレアチニンの寄与は腎機能低下や心血管疾患負荷を反映している可能性があります。グロブリンは慢性炎症のマーカー、カルシウムや重炭酸塩は酸塩基平衡・ミネラル代謝を介して血管機能に関与しうると考察されています。

健診にどう活かせるか――対話のきっかけとしての採血データ

日本では、健康診断や人間ドックの場で採血はすでに標準的な手続きであり、追加の侵襲的検査なしにEDリスクの手がかりを得られる可能性がある点は、導入のハードルを下げる要素です。この研究では、米国泌尿器科学会(AUA)・欧州泌尿器科学会(EAU)のガイドラインに沿った運用も提案されています。血液パネルでEDリスクが高いと判定された場合、まず医師が性の健康に関する対話を切り出すきっかけとして活用し、IIEF-5などの質問票で診断を確定させる、という二段階の流れです。高リスクフラグは代謝・内分泌の異常を反映するため、心血管リスクの評価もあわせて促し、生活習慣改善やPDE5阻害薬の導入、専門医への紹介につなげることが想定されています。臨床現場では、羞恥心や申告へのためらいがEDの見逃しにつながりやすいという事情は日本でも共通しており、採血データを対話の入り口とする発想には導入の余地があると考えられます。

研究の強みと限界

強みは、4116人の大規模な全国調査データと、NPTR検査で客観的にED診断が確定された489人の独立した臨床コホートという、性質の異なる二つのデータセットで検証を行った点にあります。49項目という多数の候補から系統的な手法で9項目まで絞り込み、SHAPで予測根拠を可視化した点も「ブラックボックス」への懸念を和らげる工夫です。

一方、横断研究のため血液指標とEDの因果関係は証明できません。NHANESのED判定は自己申告に基づきますが、外部検証群でNPTRという客観的検査を用いたことで懸念は部分的に緩和されています。NHANESデータは2001〜2004年収集であり、この20年余りの人口動態や生活習慣の変化を踏まえると現代の集団への一般化には限界がある可能性があり、外部検証も中国の単一施設・単一地域にとどまるため地理的・民族的な一般化可能性にも制約が残ります。服薬歴による交絡も完全には測定できていません。また、汎用的なスクリーニング適性を重視しHbA1cはあえて含めておらず、これを組み込んだモデルの開発や、多施設・多地域での前向き研究による検証が今後の課題です。

おわりに

この研究は、日常的な採血データに基づく機械学習モデルによって、EDリスクを客観的に評価できる可能性を示しました。訓練とは異なる診断基準・異なる集団による独立した外部コホートでも高い判別能と汎化性能が確認され、SHAP分析からは年齢だけでなく内分泌・代謝・血管関連因子が複合的に関与していることが示されています。今後は、HbA1c等を組み込んだより包括的なモデルの開発や、多施設・多地域での前向き研究による検証が課題です。侵襲的な検査を経ずに、通常の健康診断の枠組みの中でEDリスクの手がかりを得られるという知見は、早期発見と男性の健康管理全体に新たな選択肢を加えるものといえます。

参考文献

1. P. Yang, Y. Ma, Z. Cao, W. Zhang, Y. Ge, T. Zhu, P. Gao, and X. Zhang. 「Identification of Erectile Dysfunction From Routine Blood Test Data: Development and Validation of a Machine Learning-Based Prediction Model.」 Andrology 2026;0:1–10. doi:10.1111/andr.70358

2. M. Miner, S. J. Parish, K. L. Billups, et al. 「Erectile Dysfunction and Subclinical Cardiovascular Disease.」 Sexual Medicine Reviews 2019;7(3):455–463.

3. N. Narinx, K. David, J. Walravens, et al. 「Role of Sex Hormone-Binding Globulin in the Free Hormone Hypothesis and the Relevance of Free Testosterone in Androgen Physiology.」 Cellular and Molecular Life Sciences 2022;79(11):543.

4. J. An, B. Xiang, J. Peng, and D. Li. 「Understanding the Erectile Dysfunction-Cardiovascular Disease Connection: Clinical and Pathophysiological Insights.」 Sexual Medicine Reviews 2025;13(3):406–422.

2026年8月14日2026年8月31日

「見つからない精子」をAIが探す──重症男性不妊、ICSIの現場を変える可能性

非閉塞性無精子症(NOA)は、男性不妊のうち無精子症の約60%を占めるとされ、精巣内での造精機能そのものが障害されている状態を指します。こうした患者に対しては、顕微鏡下精巣内精子採取術(micro-TESE)などによって精巣組織から精子を回収し、これを用いた顕微授精(ICSI)が行われます。しかし、回収した組織や検体の中からごくわずかに存在する精子を見つけ出す「精子探索」の工程は、極めて労力を要する作業として知られています。夥しい数の細胞やデブリの中から、形態的な特徴を頼りに精子を一つひとつ確認していく作業は、培養士の熟練度や体力に大きく依存し、卵子採取や融解のタイミングと並行して行われる時間的制約の中で、検査室のボトルネックになりやすいことが指摘されてきました。探索時間の延長は受精率の低下や妊娠転帰への悪影響とも関連するとされ、精度を落とさずに効率を高める方法が求められてきました。

こうした課題に対し、人工知能(AI)によるリアルタイム画像解析を用いて、顕微鏡視野内の精子候補を自動的に検出・表示する技術が近年開発されています。では、AIによる支援は実際の臨床ワークフローの中で、探索時間や精子回収数をどの程度改善し、その先の受精や胚発生といった結果にまで影響を及ぼしうるのでしょうか。Reproductive BioMedicine Online誌(2026年)に掲載された、オーストラリアの2施設による前向き多施設共同パイロット研究(doi:10.1016/j.rbmo.2026.105873)は、この問いに正面から取り組んでいます。

方法──重症男性不妊患者40人を、AIと人の目で同じ検体上で比較した

本研究は2024年1月から2025年9月にかけて、オーストラリア・シドニーのIVF Australia Alexandria施設とGreenwich施設で実施されました。対象は、予後不良と判断された非閉塞性無精子症、または重症乏精子症の患者40人です。各患者から採取された同一検体(精巣組織35例、精液5例)を左右に分け、AI支援を受けた探索と、支援を受けない従来の手作業による探索を、同一患者内で対比較するという、検体を分割する形のデザインが採用されました。

用いられたAIツール(SpermSearch.AI)は、顕微鏡カメラの映像をリアルタイムに解析し、精子候補にバウンディングボックス(候補領域を示す枠)を重ねて隣接モニターに表示する仕組みです。最終的にその候補が本当に精子かどうかを確認し、注入するかどうかを判断するのは、あくまで培養士の役割として位置づけられています。主要評価項目は、精子1個あたりの探索時間と、検体1皿あたりの探索時間で、いずれも中央値と四分位範囲(IQR)で示されました。副次評価項目として、検体1皿あたりの精子回収数、そして両方の方法で精子が得られた患者のサブセットにおける受精率と、成熟卵子(MII)1個あたりの利用可能胚数が設定されています。

探索時間41%減、精子回収は1.8倍に

検体1皿あたりの探索時間は、AI支援なしで中央値35.80分(IQR 27.85〜44.75)であったのに対し、AI支援ありでは21.80分(IQR 18.00〜29.88)へと短縮しました(P<0.0001、40組の対比較)。平均値でも40.23±2.95分から23.82±1.46分への減少が確認されています。両方の方法で精子を発見できた18組に限定すると、精子1個あたりの探索時間は中央値10.85分(IQR 6.95〜38.65)から5.50分(IQR 2.27〜11.00)へと短縮しました(P=0.001)。論文の考察では、これらの結果を平均時間の変化に換算し、精子1個あたりで53%、検体1皿あたりで41%の探索時間短縮に相当すると説明しています。

精子回収数についても、検体1皿あたりの中央値が0.00個(IQR 0.00〜3.50)から0.75個(IQR 0.00〜5.00)へと有意に増加しました(P<0.0001)。平均値では2.02±0.56個から3.71±0.98個への増加で、約1.8倍の回収数増加に相当します。40例のうち8例では、AI支援下でのみ精子が確認され、そのままICSIに進むことができました。一方、AI支援なしの探索でのみ精子が見つかったケースは報告されていません。

受精率17%から42%へ──小さな部分集団が示した可能性

両方の方法で得られた精子が卵子に注入された、12組の患者からなる小規模なサブセットでは、受精率の中央値がAI支援なしで0.0%(IQR 0.0〜43.8)、AI支援ありで36.7%(IQR 21.2〜63.9)となり、その差は26.4ポイント(95% CI 5.0〜45.0)、Wilcoxon符号順位検定でP=0.020、符号検定でP=0.039という結果でした。成熟卵子(MII)への注入単位でみると、AI支援群では73個中31個(42.5%)が受精したのに対し、支援なし群では38個中9個(23.7%)にとどまっています。平均値では17.08±6.81%から41.87±8.91%への上昇に相当します。

利用可能胚数(成熟卵子1個あたり)の中央値も、支援なし群の0.00個(IQR 0.00〜0.15)からAI支援群の0.21個(IQR 0.15〜0.31)へと増加しました(Wilcoxon検定P=0.047、符号検定P=0.021)。実数では、AI支援群のMII注入73個中17個(23.3%)が利用可能胚となったのに対し、支援なし群では38個中4個(10.5%)でした。ただし対象患者数が12組と少ないため、一般化線形混合モデル(GLMM)による探索的な効果推定では、受精のオッズ比は2.20(95% CI 0.86〜5.64、P=0.093)、利用可能胚数の発生率比は1.75(95% CI 0.49〜6.24、P=0.353)にとどまり、統計的有意性には届いていません。

また記述的な観察として、研究期間中に確認された2件の生児出産(2025年1月、2026年1月)と、さらに2件の妊娠は、いずれもAI支援下で発見された精子に由来する胚から得られたもので、対になる支援なし群からは利用可能胚が得られていませんでした。一方、支援なしで発見された精子で移植された胚は1例のみで、臨床的妊娠には至りませんでした。これらは研究の主要なエンドポイントとしてではなく、記述的な観察として報告されています。

日本の診療現場への含意

臨床現場では、精子探索は卵子採取や融解のスケジュールと並行して進められることが多く、探索時間の延長がそのまま治療全体の進行を圧迫する要因になり得ます。日本においても非閉塞性無精子症に対する顕微鏡下精巣内精子採取術は広く行われており、回収した組織から極めて希少な精子を探し出す工程は、培養士の熟練と集中力に依存する場面が少なくありません。本研究が示すような探索時間の短縮と精子回収数の増加は、培養士の身体的・精神的な負担の軽減や、採卵・融解タイミングとの同期のしやすさにもつながる可能性があります。ただし、受精率や胚発生への好影響については、12組という小規模なサブセットに基づく探索的な結果にとどまるため、臨床判断の根拠として一般化するには、より大規模な前向き研究による裏づけが必要です。

研究の強みと限界

本研究の強みは、同一患者・同一検体内でAI支援の有無を比較する対応のあるデザインを採用した点にあります。年齢や不妊原因といった患者間のばらつきの影響を受けにくく、探索時間や精子回収数という主要評価項目については、40組という規模で明確な差が示されました。

一方で、いくつかの限界も報告されています。第一に、AI支援と非支援の探索は並行して異なる培養士が担当したため、経験や探索スタイルによる交絡が生じ得ます。事後解析ではオペレーターを共変量として調整してもAI支援群の時間短縮効果はほとんど変わらなかった一方、精子回収数への効果はやや減弱しました。第二に、受精・胚発生に関する解析は12組という小規模なサブセットに限られ、利用可能胚が0個の観察が多いゼロ膨張を伴う分布のため、信頼区間は広く、探索的な位置づけにとどまります。第三に、AI支援群は時間に余裕がある場合により多くの検体皿を探索する傾向があり(40例中21例)、皿数のばらつきが結果に影響した可能性も否定できません。第四に、探索時間の計測には精子の確認・回収・移送に要した時間も含まれており、精子が多く見つかった皿ほど時間が長く記録される方向にバイアスがかかっている可能性があります。加えて、AIによる検出そのものの感度・特異度は検証されておらず、女性因子の影響も調整されていません。

おわりに

本研究は、リアルタイムAI支援による精子探索が、重症男性不妊患者において探索時間の短縮と精子回収数の増加をもたらすことを、対応のある比較デザインによって示しました。受精率や利用可能胚数における改善は小規模なサブセットに基づく探索的な知見であり、統計的な確実性を得るためには、より大規模で多施設にわたる今後の研究が求められます。それでもなお、本研究は重症男性不妊の臨床ワークフローにAIを組み込むことの実行可能性を示すものであり、標準化された探索プロトコルと長期的な臨床転帰を検証する今後の試験に向けた、明確な根拠を提供しています。

参考文献

1. Goss, D.M., Vasilescu, S.A., Vasilescu, P.A., Dai, B., Skinner, A., Hua, V.K., Cummins, L., Cooke, S., Fathi, S., Susetio, D., Persson, J., Kim, S.H.K., Sacks, G.P., Warkiani, M.E., Gardner, D.K.『Real-time artificial-intelligence-assisted rare sperm searching: a prospective, multicentre, paired sister-oocyte pilot study』Reproductive BioMedicine Online 2026;53(5):105873. doi:10.1016/j.rbmo.2026.105873

2. Goss, D.M., Vasilescu, S.A., Vasilescu, P.A., Cooke, S., Kim, S.H., Sacks, G.P., Gardner, D.K., Warkiani, M.E.『Evaluation of an artificial intelligence-facilitated sperm detection tool in azoospermic samples for use in ICSI』Reproductive Biomedicine Online 2024;49(1):103910.

3. Suryawanshi, H., Gemmell, L.C., Morgan, S., Koustas, G., Prosser, R.W., Fu, R., Forman, E.J., Williams, Z.『First clinical pregnancy following AI-based microfluidic sperm detection and recovery in non-obstructive azoospermia』The Lancet 2025;406(10516):2213–2214.

2026年8月11日2026年8月31日

AIが読み解くIVF成功のカギ――機械学習が示す最重要予測因子

不妊症は生殖年齢人口の15~20%が経験するとされ、体外受精(IVF)をはじめとする生殖補助医療(ART)は年々重要性を増しています。ハンガリーでは2024年に新生児の約3.5%がART由来の妊娠から生まれており、IVFは数十年にわたるエビデンスに基づく医療として定着した一方、卵巣過剰刺激症候群(OHSS)や早産、低出生体重などのリスクも伴うため、成功率を左右する要因の正確な把握が課題となっています。

これまで50を超える臨床パラメータがIVFの成功との関連で検討されてきましたが、どの要因がどの程度重要かは研究間で一致しないことも少なくありませんでした。近年、機械学習(ML)を用いた予測モデルがこの課題に取り組んでおり、多数の臨床変数の相対的な重要度を順位づけることを可能にしています。こうした背景のもと、ハンガリー・セゲド大学の研究グループによるナラティブレビューが、Orvosi Hetilap誌(2026年、167巻32号、1262-1268頁、doi:10.1556/650.2026.33608)に掲載されました。国際文献と同グループ自身の機械学習研究の成果を統合し、IVFの予測因子を整理した内容です。

方法――国際文献とセゲド大学の自験データを統合したナラティブレビュー

本総説は、機械学習を用いた先行研究と、セゲド大学Gametogenezis研究グループが発表してきた複数の後ろ向き研究を統合したナラティブレビューです。用いられた主なアルゴリズムはサポートベクターマシン(SVM)、ランダムフォレスト(RF)、勾配ブースティング(XGBoost)で、いずれも構造化された臨床データから教師あり学習を行い、IVFの成功・不成功を予測するとともに、各臨床変数の相対的重要度を順位づけます。ただし多くのモデルは後ろ向きデータでの検証にとどまっており、臨床応用には前向き・多施設・大規模データによる検証と、80%程度の予測精度が必要とされています。

最も強い予測因子は、やはり『年齢』と『胚の質』だった

複数の機械学習研究に共通して浮かび上がる予測因子は、母体年齢と移植胚の質(embryo score)の2つに集約されます。母体年齢は1980年代から報告される最古典的な予測因子で、35歳が一つの分水嶺とされ、加齢とともに臨床妊娠率、採卵数、正倍数性(染色体数が正常)卵子の割合が低下します。embryo scoreは、移植胚数や内膜厚、父親年齢、精液所見と比べても優れた予測因子とされ、セゲド大学の4件の研究(Nádasdiら、Kozinszkyら、Vedelekら、Bereczkiら)のいずれでも、重要度ランキングの1位または2位を占めていました。

体重は『量』だけでなく『機能』に影響する――BMIというもう一つの鍵

肥満は世界的に、そしてハンガリーでも拡大しており、2025年の調査では成人女性の28.9%、男性の32.5%が該当します。英国NICEガイドラインはART開始前の理想BMIを19~30kg/m²とし、この範囲を外れると成功率が低下すると報告されています。13件の研究を統合したメタ解析ではBMI 30kg/m²以上が内膜の受容能や卵子・胚の質を低下させ、別のメタ解析(約2500人、14件)では正常範囲を超えるBMIが妊娠成立までの期間を延長させ、中心性肥満では2倍に及ぶことが示されました。セゲド大学の研究では、BMI 29kg/m²超で臨床妊娠率への負の影響が確認され、機械学習モデルでも約50項目中上位15位以内に位置づけられています。またBMIとFSH・黄体形成ホルモン(LH)値の逆相関も報告されています。

正常範囲のTSHは、本当に介入不要なのか

甲状腺ホルモンは月経周期やゴナドトロピン調節に関与します。ESHREガイドラインは、甲状腺疾患のない女性の目標TSH値を0.4~4.0mU/l、橋本病陽性の女性では2.5mU/l未満としています。原因不明不妊の女性ではTSH値が対照群より有意に高く(1.95±0.66対1.66±0.51mIU/l)、2867人を解析した研究ではTSH 4.2µIU/ml超の群でAMH値が低いことが示されました(2.79対3.41ng/ml、P<0.001)。一方、正常範囲内(0.4~4.0µIU/ml)のTSH値自体はIVF成功や妊娠転帰と関連しないとする研究も複数あり、セゲド大学の研究でも、正常範囲内のTSHは自己免疫性甲状腺炎の有無にかかわらず、臨床妊娠や生産率に有意な影響を及ぼさないことが示されています。

子宮内膜は何ミリが『ちょうどいい』のか

子宮内膜の厚さは胚の着床のしやすさに関わる重要な因子とされ、経腟超音波検査で日常的に測定されます。内膜厚7mm未満では着床率・妊娠率・生産率が低下する傾向がある一方、14mmを超える厚い内膜では中間群(7~14mm)と有意差はみられません。多くのメタ解析では、排卵誘発時の内膜厚が7~8mmを超えるとより高い妊娠率・生産率が確認されています。セゲド大学の研究では、内膜厚7.5mm未満が予後不良因子である一方、測定タイミングによって意義が異なり、排卵誘発時・胚移植時は10~12mmでわずかな優位性、採卵時はより厚いほど良好な転帰と関連していました。

卵巣予備能を映す2つのホルモン――FSHとAMH

FSH基礎値の測定はIVF前の日常的な検査ですが、予測的価値には見解の相違があります。7件を統合したメタ解析ではFSH上昇が妊娠率低下と関連し、うち2件ではFSH 10IU/ml以下でより高い妊娠可能性が示されました。別のメタ解析では基礎FSHの予測価値は限定的で、極端な高値例のスクリーニングにのみ有用とされています。AMHは卵巣予備能を反映し加齢とともに低下するホルモンで、術前AMH 1.10ng/ml以上では採卵数・卵子の質・胚移植率が良好とされます。セゲド大学のBereczkiらはXGBoostモデルで14項目から母体年齢、AMH、BMI、FSH、LH、精子濃度・運動率、父親年齢、不妊期間の9項目に絞り込み、Nádasdiらは996人の解析で妊娠群(273人)が非妊娠群(723人)より有意に低いFSH・高いAMHを示し、両ホルモンとも43項目中上位15位以内に位置づけられたと報告しています。

臨床現場での指標の使い方が変わりつつある

日本の生殖医療の現場でも、母体年齢、embryo score、BMI、甲状腺機能、内膜厚、FSH・AMHは日常的に確認されている指標です。今回のレビューが示す意義は、機械学習によって多数の変数の相対的な重要度を序列化できるようになった点にあります。限られた診察時間の中で数値を総合的に評価する必要がある臨床現場では、こうした重要度の把握が説明や意思決定の優先順位づけに役立つ可能性があります。特にTSHについては、正常範囲内でも一律に低い目標値を目指すべきかという議論があり、今回の知見は過度に厳格な目標設定を見直す材料になり得ます。

研究の強みと限界

本総説の強みは、国際文献と単一グループが継続的に蓄積した複数の後ろ向き研究の重要度ランキングを比較可能な形で提示した点にあります。一方、系統的レビューのような網羅的な文献検索や質評価は行われておらず、引用されたモデルの多くは後ろ向きデータの検証にとどまり、前向き・多施設・大規模データによる外部検証が今後の課題です。データの異質性や施設間差、過学習リスクも臨床応用の制約となります。

おわりに

機械学習モデルは、IVFの成否を左右する多数のパラメータから相対的に重要な因子を特定する手法としての可能性を示しています。母体年齢と胚の質が突出した予測因子であることは、従来の知見をあらためて裏付けました。BMI、AMH、FSH、内膜厚も一定の役割を果たす一方、その影響の大きさは研究間で変動し、正常範囲内のTSHとの明確な関連は示されませんでした。IVFの成功は依然として多因子的な現象であり、機械学習に基づく予測モデルは個別化された治療戦略に向けた選択肢の一つとして位置づけられます。今後は標準化されたデータ収集に基づく大規模・国際的な多施設研究が求められています。

参考文献

1. Nádasdi B, Vedelek V, Bereczki K, et al.『Clinical and preprocedural factors influencing in vitro fertilization outcomes: a machine learning-based analysis』Orv Hetil. 2026;167(32):1262-1268. doi:10.1556/650.2026.33608

2. Boddeti S, Noor K, Ansar M, et al.『Impact of obesity on in vitro fertilization (IVF) outcomes: a systematic review』Cureus 2025;17:e90695.

3. Efstratiou M, Kantilafti M, Hadjikou A, et al.『The effect of obesity on fertility: a systematic review』Semergen 2026;52:102670.

4. Nádasdi B, Vedelek V, Bereczki K, et al.『Pre-IVF day 2 TSH levels and treatment success: a machine learning-based analysis』J Clin Med. 2025;14:4407.

5. Kozinszky Z, Bereczki K, Vedelek V, et al.『Pre- and procedural factors influencing IVF success in tubal factor infertility』J Clin Med. 2024;13:5754.

6. Vedelek V, Bicskei P, Tábi M, et al.『Endometrium development patterns and BMI groups in IVF patients: prognostic aspects』Front Endocrinol. 2024;15:1379109.

7. Bereczki K, Bukva M, Vedelek V, et al.『Machine learning-based prediction of IVF outcomes: the central role of female preprocedural factors』Biomedicines 2025;13:2768.

8. Zhang H, Qiu H, Liu Z, et al.『Subclinical/overt hypothyroidism and diminished ovarian reserve in infertile women』Front Endocrinol. 2024;15:1477665.

9. Coussa A, Barber TM, Khrait Z, et al.『Maternal serum TSH and in vitro fertilisation-conceived pregnancy outcomes』J Hum Reprod Sci. 2022;15:163-170.

10. Liao Z, Liu C, Cai L, et al.『Endometrial thickness and pregnancy outcomes after IVF/ICSI: a systematic review and meta-analysis』Front Endocrinol. 2022;12:814648.

11. Van Loendersloot LL, van Wely M, Limpens J, et al.『Predictive factors in IVF: a systematic review and meta-analysis』Hum Reprod Update 2010;16:577-589.

12. Bancsi LF, Broekmans FJ, Mol BW, et al.『Basal FSH in the prediction of poor ovarian response and IVF failure: a meta-analysis』Fertil Steril. 2003;79:1091-1100.

2026年8月9日2026年8月31日

正倍数性胚を移植しても、妊娠するとは限らない──機械学習が特定した7つの因子

体外受精(IVF)において、移植する胚の染色体が正常(正倍数性、ユープロイド)であるかどうかは、妊娠成立を左右する重要な因子として知られています。着床前遺伝子検査(PGT-A)によって正倍数性と判定された単一胚を移植する方法は、生児出生率を高め、多胎妊娠のリスクを減らすことが複数の研究で示されてきました。しかし、正倍数性胚を移植しても、すべての周期で妊娠が成立するわけではありません。染色体異常という要因を取り除いてもなお着床に至らない周期が一定数存在することは、体外受精を繰り返す患者にとって、身体的にも経済的にも大きな負担となります。

妊娠成立には、胚の染色体状態以外にも、母体年齢、内分泌環境、子宮内膜の状態、胚の形態学的な質、培養や凍結融解の条件など、多数の要因が関与すると考えられています。これらの要因は互いに複雑に影響し合うため、従来の統計手法だけでは、その全体像を捉えきれない側面がありました。近年、大量のデータから非線形な相互作用を検出できる機械学習を用いて、IVFの成績を予測しようとする研究が増えています。

こうした背景のもと、トルコの生殖医療センターで2011年10月から2023年2月にかけて実施されたガラス化保存-融解単一正倍数性胚移植4300周期を対象に、5種類の機械学習アルゴリズムを用いて臨床妊娠に関わる因子を特定した研究が、Reproductive BioMedicine Online誌2026年(53巻4号、論文番号105864)に掲載されました(doi:10.1016/j.rbmo.2026.105864)。

方法──4300周期を、5つの機械学習モデルで解析した

対象となったのは、22歳から46歳までの女性が受けた、顕微授精(ICSI)または形態学的選択顕微授精(IMSI)による受精後のガラス化保存-融解単一正倍数性胚移植周期4300件です。通常の体外受精(conventional IVF)による周期、子宮形態異常(ミュラー管異常など)、未治療の内分泌疾患、内膜厚7mm未満の周期は解析から除外されました。臨床妊娠は、移植後7週の経腟超音波検査で胎児心拍が確認された場合と定義されています。

解析には、年齢や体格指数(BMI)、抗ミュラー管ホルモン(AMH)濃度、胚移植周期数、内膜厚、胚の質など、あらかじめ臨床的関連が想定された26項目の変数が用いられました。データは訓練用(70%)とテスト用(30%)に分割され、訓練データに対して5分割交差検証を行いながら、AdaBoost、Random Forest、XGBoost(Extreme Gradient Boosting)、LightGBM(LGBM)、Extremely Randomized Trees(ExtraTrees)という5種類の機械学習アルゴリズムのハイパーパラメータが最適化されました。モデルの性能は正解率、感度、特異度、適合率、F1スコア、AUC(ROC曲線下面積)で評価され、SHapley Additive exPlanations(SHAP)という手法を用いて、各変数が予測にどう寄与しているかが解析されています。

発見──浮かび上がった7つの因子

5つのモデルによるpermutation feature importance(変数を並べ替えた際の予測精度低下の大きさで重要度を測る手法)のランキングを統合するコンセンサス方式によって、臨床妊娠と関連する7つの変数が特定されました。前周期数(number of previous cycles)、AMH濃度、内膜厚、融解後の胚の質、母体年齢、凍結保存胚数、内膜調整法(自然周期か人工周期か)です。

SHAP解析からは、それぞれの変数が妊娠確率に与える方向性も示されています。前周期数が多いほど、また母体年齢が高いほど、臨床妊娠の確率は低下する方向に影響していました。一方、AMH濃度が高いほど、また融解後の胚の質が良好であるほど、臨床妊娠の確率は上昇する方向に影響していました。

なお、26項目すべてを用いた解析(特徴量選択を行わない設定)でも、胚移植日(Day 5かDay 6か)、融解後の胚の質、前周期数、内膜調整法、除去された細胞(excluded cells)の有無といった変数が上位に挙がっており、選択された7因子と重なりが確認されています。

妊娠した群としなかった群、何が違ったのか

4300周期のうち、臨床妊娠が成立したのは2902周期(67.5%)、成立しなかったのは1398周期(32.5%)でした。妊娠成立群は非成立群に比べて、母体年齢が若く(平均33.9±4.8歳対 34.4±4.9歳、p=0.004)、不妊期間が短く(4.6±3.6年対 5.0±3.8年、p=0.001)、それまでの移植周期数が少ない(4.6±2.6回対 5.9±3.1回、p=0.001)という特徴がありました。内膜厚(10.2±1.9mm 対 9.9±1.8mm、p=0.001)、AMH濃度(2.9±2.3ng/ml 対 2.7±2.2ng/ml、p=0.002)、凍結保存胚数(5.7±3.9個対 5.1±3.7個、p=0.001)は、妊娠成立群のほうが高い値を示しています。

胚の質についても差がみられ、融解後にトップクオリティと評価された胚の割合は、妊娠成立群で61.6%、非成立群で49.6%でした(p=0.001)。反対に、中程度の質と評価された胚の割合は、妊娠成立群で5.1%、非成立群で12.2%でした。内膜調整法は、自然周期(mNC-FET)を用いた割合が妊娠成立群で66.0%、非成立群で58.8%と、妊娠成立群のほうが高くなっていました(p=0.001)。壊死巣(necrotic foci)がない胚の割合(96.4% 対 93.0%、p=0.001)、除去細胞のない胚の割合(87.4% 対 82.3%、p=0.001)、Day 5移植の割合(94.1% 対 88.0%、p=0.001)も、いずれも妊娠成立群で高くなっていました。

予測精度はAUC0.76〜0.78──モデル間の差は大きくなかった

7つの因子に絞った設定での5モデルの性能は、正解率0.702〜0.726、感度0.711〜0.741、特異度0.672〜0.703、適合率0.809〜0.825、F1スコア0.758〜0.779、AUC0.760〜0.778という、比較的狭い範囲に収まりました。もっとも高いAUCを示したのはXGBoost(0.778)で、もっとも低かったのはAdaBoost(0.760)でした。1000回の反復によるブートストラップ解析では、XGBoostとRandom ForestのAUCの間にのみ統計学的な有意差が認められ(p=0.048)、それ以外のモデル間の組み合わせでは有意差はありませんでした。

較正(キャリブレーション、予測確率と実際の発生割合の一致度)の評価では、26項目すべてを用いた設定においてRandom Forest(Brierスコア0.178)とLGBM(0.179)がもっとも良好な較正を示し、7因子に絞った設定ではXGBoost(0.201)が最良でした。ただし、7因子に絞った設定では、各モデルが出力する予測確率が0.4〜0.7という狭い範囲に集中する傾向があり、確率としての識別力がやや低下することも確認されています。この点は、変数を絞り込むことで解釈しやすさを得る一方、予測確率の細かな識別力を犠牲にしうるという、特徴量選択に伴う既知のトレードオフとして論文中で言及されています。

なぜこれらの因子が妊娠に影響するのか──メカニズムの手がかり

前周期数の多さは、反復着床不全(RIF)と呼ばれる状態を反映している可能性があります。RIFの背景には免疫学的要因や子宮の形態異常、内分泌異常など複数の要因が関わるとされ、正倍数性胚を移植してもなお妊娠に至らない周期が積み重なっている場合、胚以外の要因の検討が必要になると指摘されています。AMH濃度は卵巣予備能を反映する指標として知られ、一般に若い年齢と関連します。今回、AMH濃度が高いほど妊娠確率が上昇する方向に働いていたのも、卵巣予備能や母体年齢との関連を反映していると考えられますが、AMH濃度と妊娠転帰の関連についてはこれまでの研究でも一貫した結果が得られておらず、正倍数性胚移植に限定した検討はまだ少ないのが現状です。

内膜厚については、7〜10mm程度が着床に適した範囲とされ、この範囲内で内膜の血流やホルモン応答が良好に保たれると考えられています。薄い内膜は着床不全や早期の妊娠喪失と関連することが、これまでの複数の研究で示されています。内膜調整法をめぐっては、自然周期(mNC-FET)のほうが人工周期(AC-FET)よりも妊娠転帰が良好とする報告が近年相次いでおり、人工周期では黄体が形成されないことによる血管新生の乏しさや脱落膜の発達の違いが理由として挙げられています。ただし、両者に差がないとする報告もあり、内膜調整法の選択は依然として議論が続いている領域です。

母体年齢については、卵子の染色体異常リスクが上がることは知られていますが、正倍数性胚に限定した場合でも年齢の影響が残るかどうかは、これまで研究間で結果が分かれてきました。11,375件の正倍数性胚移植を対象としたメタ解析では、胚の染色体正常性を考慮してもなお母体年齢が高いほど体外受精の成功率が低下することが示されており、今回の結果はこの知見と一致する方向です。

臨床的意味・日本への含意

日本の生殖医療の現場でも、正倍数性胚移植を行っても着床に至らない周期は珍しくなく、反復着床不全(RIF)としてどのように評価・対応するかは、日々の診療で直面する課題のひとつです。今回示された7因子は、いずれも日本の臨床現場で日常的に測定・記録されている項目であり、既存の検査データから患者ごとのリスクをある程度層別化できる可能性を示しています。

特に、前周期数の多さと母体年齢の高さは変更が難しい因子である一方、内膜厚や内膜調整法は周期ごとに調整可能な要素です。内膜厚については本研究でも妊娠成立群のほうが有意に厚い値を示しており、7〜10mm程度を目安とした内膜の状態確認や必要に応じた調整が、正倍数性胚移植であっても着床の可能性に影響しうることを示唆しています。内膜調整法として自然周期を選ぶか人工周期を選ぶかは患者の周期の規則性や施設の運用方針によって異なりますが、今回の結果は自然周期を用いた群で妊娠成立率が高い傾向を裏付けるものであり、個々の患者に応じた調整法の選択を検討する材料のひとつになりうると考えられます。

いずれの因子も、単独で妊娠の成否を決定づけるものではなく、あくまで確率に影響する要因であるという位置づけで理解される必要があります。

研究の強みと限界

本研究の強みは、4300周期という大規模なデータセットを対象に、5種類の機械学習アルゴリズムを用いて一貫した結果を確認した点、また染色体異常のある胚をあらかじめ除外することで、胚のプロイディ(染色体数の状態)による交絡を取り除いたうえで他の因子の影響を検討した点にあります。

一方で、いくつかの限界も述べられています。欠測データ(全体の10%未満)は平均値・最頻値による補完で対応されており、この手法が変数間の関連をやや弱めた可能性があります。また、単一施設での後方視的研究であるため、他施設や他集団への一般化には限界があり、独立したデータセットによる外部検証が必要とされています。さらに、7因子に絞った設定では予測確率の識別力がやや低下する傾向がみられており、論文では、今後の前向き研究において、予測精度(discrimination)だけでなく較正(calibration)も含めた評価を、PROBAST-AI(AIを用いた予測モデルのバイアスリスク評価のための指針)に沿って行う必要があると指摘されています。

おわりに

今回の研究は、正倍数性胚移植という、胚の染色体異常という交絡因子をあらかじめ取り除いた条件のもとでも、前周期数、AMH濃度、内膜厚、融解後の胚の質、母体年齢、凍結保存胚数、内膜調整法という7つの因子が、臨床妊娠の成否に関連することを、複数の機械学習モデルを用いて一貫して示しました。これらの因子に基づくリスク層別化は、今後、個々の患者に応じた体外受精のプロトコル調整や、治療方針の検討に役立つ可能性があります。今後は、外部データセットを用いた検証や、予測確率の較正を含めた前向き研究による確認が期待されます。

参考文献

1. Ozer G, Cakmak Pehlivanli A, Deniz E, Kahraman S. Machine learning-based analysis of factors associated with clinical pregnancy in vitrified-warmed single euploid embryo transfer cycles. Reprod Biomed Online. 2026;53(4):105864. doi:10.1016/j.rbmo.2026.105864.

2. Cimadomo D, Rienzi L, Conforti A, et al. Opening the black box: why do euploid blastocysts fail to implant? A systematic review and meta-analysis. Hum Reprod Update. 2023;29(5):570-633. doi:10.1093/humupd/dmad010.

3. Vitagliano A, Paffoni A, Vigano P. Does maternal age affect assisted reproduction technology success rates after euploid embryo transfer? A systematic review and meta-analysis. Fertil Steril. 2023;120(2):251-265. doi:10.1016/j.fertnstert.2023.02.036.

4. Moons KGM, Damen JAA, Kaul T, et al. PROBAST+AI: an updated quality, risk of bias, and applicability assessment tool for prediction models using regression or artificial intelligence methods. BMJ. 2025;388:e082505. doi:10.1136/bmj-2024-082505.

2026年8月8日2026年8月31日

AIが胚盤胞を正確に見分ける──新しい半教師あり画像解析

体外受精(IVF)における胚盤胞の評価では、内細胞塊(ICM)、栄養外胚葉(TE)、胚盤胞腔、透明帯(ZP)という異なる組織を正確に区分することが、着床能力の評価に直結します。これらの領域をコンピュータで自動的に切り分ける技術は「セグメンテーション」と呼ばれ、胚培養士による形態評価を支援する画像解析AIの土台となっています。

ただし、この自動セグメンテーションには根本的な制約があります。AIモデルの学習には大量の手作業アノテーション(専門家が画像上に組織の境界を描き込んだ正解データ)が必要ですが、これは胚培養士の専門知識に依存する時間のかかる作業であり、評価者間でのばらつきも避けられません。近年は少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する「半教師あり学習(SSL)」が有力な解決策とされてきましたが、胚盤胞画像特有の透明性やHoffman位相差(HMC)光学系による境界の不明瞭さ、深度による見かけの大きさの違い(スケール混乱)、ラベルなしデータの活用不足といった課題が残されていました。

こうした課題に対し、組織どうしの入れ子構造(ZPの中にTE、その内側に胚盤胞腔、さらにICMという階層関係)そのものを手がかりにする新しい手法が、PLOS One誌2026年8月号(21(8): e0355053、DOI: 10.1371/journal.pone.0355053)に報告されました。トポロジー(位相構造)誘導型の二頭構造ネットワーク「TGDBN」と名付けられたこの手法は、わずかなラベル付きデータからでも、組織の境界を高精度に描き出すことを目指しています。

方法──249枚の胚盤胞画像を、どう学習させたか

検証には、公開されている胚盤胞顕微鏡画像データセットが用いられました。Hoffman位相差(HMC)光学系で撮影された高解像度画像249枚に、ICMと胚盤胞腔の手動アノテーション(Pacific Center for Reproductive Medicineによる)が付与されています。このうち190枚を学習用、9枚を検証用、50枚をテスト用に割り当て、半教師あり学習の設定として学習データの10%または50%のみにラベルを与え、残りはラベルなしデータとして扱いました。

提案手法のTGDBNは、1つの共通エンコーダから2つの出力ヘッドに分岐する単一モデル構造を採っています。一方はピクセル単位で組織カテゴリーを予測する「セグメンテーションヘッド」、もう一方は構造的な手がかりを生成する「トポロジー誘導ヘッド」です。後者にはさらに2つの工夫が組み込まれています。1つ目はDICE(Decoder Intra-Class Enhancement)モジュールで、デコーダの終盤3層の特徴を組織カテゴリーごとに分割したうえで、境界があいまいで低コントラストな「見分けにくい領域」を重点的に強調します。2つ目はMSFA(Multi-Scale Feature Aggregation)モジュールで、複数の解像度の特徴を統合し、各ピクセルが最寄りの組織境界までどれだけ近いかを示す「構造ガイドマップ」を生成します。これら2つのモジュールが連動することで、ラベルなし画像に対しても組織の階層的な位置関係(トポロジー)を守った予測を促す仕組みになっています。

評価指標には、ICMセグメンテーションについてAccuracy(正解率)、Recall(再現率)、Dice係数、Jaccard係数の4つが用いられ、バックボーンにはU-Netが採用されました。手法の汎化性を検証するため、胚盤胞とは異なる医療画像として、左心房の3D MRIデータセット(100症例)でも同様の評価が行われています。

ラベルはわずか10%──それでも11手法中トップの精度

ICMの二値分割タスクにおいて、学習データのわずか10%にしかラベルを与えなかった条件でも、TGDBNはAccuracy 97.62%、Recall 92.49%、Dice係数91.78%、Jaccard係数86.33%を達成し、比較対象となった11種類の既存半教師あり学習手法の中で最も高い成績を収めました。学習データを100%ラベル付けした「完全教師あり」条件での上限値(Dice係数95.00%)と比べても、その差はわずか3ポイント程度にとどまっています。ラベル付き画像を50%に増やした条件では、Accuracy 98.28%、Dice係数94.01%、Jaccard係数89.78%まで性能が向上し、完全教師ありの水準にさらに近づきました。

定性的な可視化結果でも、TGDBNの予測マスクは正解ラベルとよく一致しており、他の半教師あり手法に見られがちな断片的で不連続な誤分割が抑えられていたと報告されています。特に低コントラストで小さな領域における境界の描出精度が、既存手法との差を生む要因になっていました。

二つの工夫の効果──どちらが欠けても精度は伸び悩む

各モジュールの寄与を切り分けるアブレーション試験も行われています。両モジュールを取り除いた基本モデル(ベースラインB)ではDice係数87.59%にとどまりましたが、DICEモジュールのみを追加すると91.15%、MSFAモジュールのみを追加すると91.21%まで改善しました。そして両モジュールを組み合わせた完全版のTGDBNでは、Dice係数91.78%まで到達しています。単独の改善幅がおよそ3〜4ポイントであるのに対し、組み合わせによってさらに上積みが得られたことは、境界の強調(DICE)と多スケール統合による構造ガイド生成(MSFA)が、互いに補完的な役割を果たしていることを示唆しています。

胚盤胞に限らない──心臓のMRIでも通用した汎化性

胚盤胞は、ZPの内側にTE、その内側に胚盤胞腔とICMが入れ子状に存在するという特徴的な構造を持ちますが、同様に階層的な構造を持つ他の医療画像でもTGDBNが通用するかを検証するため、左心房の3D MRIデータセット(100症例、V-Netをバックボーンとして使用)でも比較が行われました。その結果、ラベル付きデータが10%の条件でDice係数89.47%、20%の条件で92.32%を記録し、いずれも比較対象手法の中で最高値でした。完全教師あり条件での上限値(Dice係数93.60%)との差は、20%ラベルの時点で1.3ポイント程度まで縮まっています。この結果は、TGDBNが胚盤胞画像に特化した手法ではなく、入れ子構造や層状構造を持つ医療画像に広く応用できる可能性があることを示しています。

臨床的意味・日本への含意

日本の生殖医療の現場では、体外受精治療において胚盤胞のグレーディングが移植胚選択の重要な判断材料となっており、胚培養士による形態評価の質と再現性が治療成績に影響し得ることが知られています。画像解析AIによる自動セグメンテーションは、この評価を補助し、施設間・評価者間のばらつきを減らす手段として期待されていますが、実用化にあたっては大量の手作業アノテーションという高いコストが障壁になってきました。今回の研究が示したように、ラベル付きデータが1割程度であっても実用的な精度に近づけるのであれば、AI開発に必要なアノテーション負担を大きく下げられる可能性があります。臨床現場では、こうした技術は最終的に胚培養士の判断を置き換えるものではなく、評価を支援し、記録を標準化するツールとして位置づけられることが想定されます。

研究の強みと限界

本研究の強みは、公開データセットを用いて11種類もの既存半教師あり学習手法と直接比較した点、そしてアブレーション試験によって提案した2つのモジュールそれぞれの寄与を定量的に示した点、さらに胚盤胞とは異なる医療画像(左心房MRI)でも同様の優位性を確認し、手法の汎化性を検証した点にあります。

一方で限界もあります。使用された胚盤胞データセットは249枚と規模が限られており、単一の光学系(HMC位相差顕微鏡)・単一の提供元によるものであるため、異なる撮影条件や機種、施設のデータでの再現性は今後の検証課題です。また、本研究はセグメンテーションの精度(正解マスクとの一致度)を評価したものであり、実際の妊娠率や着床率、生児出生率といった臨床アウトカムとの関連は検討されていません。時系列変化を追うタイムラプス動画像ではなく静止画像を対象としている点、そして2000エポックにわたる学習に要する計算資源の大きさも、実運用に向けては考慮が必要な点として著者らも言及しています。

おわりに

本研究は、胚盤胞の主要な組織構造が持つ入れ子状のトポロジーを明示的な学習信号として取り込むことで、少量のラベル付きデータからでも高精度なセグメンテーションを実現できることを示しました。ラベル付きデータが10%という条件でも、完全教師あり学習に近い水準の精度が得られたことは、医療画像アノテーションのコストという半教師あり学習研究全体の課題に対する一つの解決策を提示するものです。今後は、より多様な撮影条件やタイムラプス画像への拡張、そして実際の臨床アウトカムとの関連を検証する研究が期待されます。

参考文献

1. Li Y, Wang H, Hu J, Zhang J. 『TGDBN: Topology-guided dual-backbone network for semi-supervised blastocyst segmentation in assisted reproductive technology』PLOS One 2026;21(8):e0355053. doi:10.1371/journal.pone.0355053

2026年8月8日2026年8月31日

精子選別の未来――「マイクロ流体」が最良の一匹を選ぶ

不妊は世界的に増加している健康課題であり、2010年時点で世界の約4850万組のカップルが不妊を経験していると推計されています。不妊の原因の内訳は、女性因子が約半数、男性因子が20〜30%、男女双方に共通する因子が20〜30%とされ、成人人口の約17%が生涯のいずれかの時点で不妊を経験するという試算もあります。中でも男性不妊は、今後、女性不妊よりも速いペースで増加すると見込まれています。

こうした男性不妊への主要な対処法が、体外受精(IVF)と顕微授精(ICSI)です。IVFは成熟卵子と精子を培養液中で共存させる方法、ICSIは1個の精子を卵子へ直接注入する方法で、1990年代初頭に導入されたICSIは、重度の男性因子がない夫婦にも広く用いられるようになっています。しかし、女性の生殖管が本来担っている「最適な精子だけを選び抜く」バリア機能は、IVFでは一部が失われ、ICSIでは完全に失われます。受精と胚発生の質が精子の質に直接左右される以上、体外での精子選別の精度が問われることになります。

従来の精子選別法であるスイムアップ法や密度勾配遠心法には、それぞれ限界があることが知られています。より生理的な選別を人工的に再現する方法はないのか――この問いに対する近年の有力な答えの一つが、マイクロ流体技術です。Andrology誌(2026年)に掲載されたレビュー(doi:10.1111/andr.70314)は、女性生殖管における自然な精子選別の仕組みを整理したうえで、従来法から最新のマイクロ流体デバイスまでを体系的に評価しています。本稿では、その内容を紹介します。

数千万から数百へ――卵子にたどり着くまでの「関門」

射精された数千万から数億個の精子のうち、実際に受精の場に到達できるのは、数十から数百個程度とされています。最初の関門は子宮頸管です。エストロゲンの影響下で分泌される頸管粘液は高い粘性を持ち、形態が正常で運動性の高い精子しか通過できません。次の関門は卵管とつながる子宮卵管接合部で、この部位はヒトを含む多くの哺乳類で特に狭く曲がりくねった構造をしており、粘性の高い粘液で満たされています。

卵管に入った精子は、受精能獲得(capacitation)と過運動化(hyperactivation)という2つの変化を経ます。さらに卵管内では、精子を卵子へ導く複数の仕組みが働きます。長距離の誘導には、卵管液の流れに逆らって泳ぐ「走流性」(2〜3µL/分の流れに対して前進運動精子が遡上することが確認されています)と、卵管膨大部が峡部より温かいという温度勾配(約0.014℃/mmの勾配でヒト精子の走熱性反応を誘導できると報告されています)を利用した「走熱性」が関与します。卵丘卵子複合体に近づくと、プロゲステロンなど卵胞液由来の化学物質に導かれる「走化性」が短距離の誘導を担うと考えられています。最終的に精子は透明帯に結合して先体反応を起こし、卵細胞膜と融合して受精が完了します。

「泳がせる」か「遠心する」か――従来法と高度選別法の限界

臨床で最も広く使われている精子選別法は、スイムアップ法(SU)と密度勾配遠心法(DGC)です。SUは運動性の高い精子が培養液中を自力で泳いで移動する性質を利用する方法、DGCは密度勾配上で遠心し、密度の違いによって成熟精子と異常精子・白血球を分離する方法です。どちらも簡便で安価という利点がある一方、SUは運動性が低下した検体や高粘度の検体には適用できず、DGCは活性酸素種(ROS)の産生が増えやすいという欠点があります。人工授精・IVF・ICSIのいずれにおいても、両者の優劣を決定づける明確な根拠は今のところ確立していません。

ICSIでは運動精子が得られない場合にも生存精子を選ぶ必要があり、低浸透圧膨化試験(HOST)、ペントキシフィリン(PTX)処理、機械的接触試験(MTT)といった手法が使われます。精巣生検由来の検体では、HOSTよりPTX処理の方が受精率・妊娠率が高いという報告があります。形態を高倍率で評価するMSOME/IMSIは、初期の研究では良好な成績が示されましたが、その後の大規模メタ解析では、臨床妊娠率・生児出生率における従来法ICSIに対する明確な優位性は確認されていません。ヒアルロン酸結合能を利用するPICSI/HA-binding法は、全体としては従来法ICSIと同等の成績にとどまるものの、反復流産既往のある患者では有用性が示唆されています。アポトーシス精子を除去する磁気活性化細胞選別(MACS)は、42研究を対象としたメタ解析で、ICSI前に用いた場合にDNA断片化を減少させ、着床率・妊娠率・生児出生率を改善することが示されました(人工授精前の使用では臨床的な利益は確認されていません)。ゼータ電位法や電気泳動法は、精子膜の陰性荷電を利用する簡便な方法ですが、DGCを上回る臨床的有効性は示されていません。

マイクロ流体という発想――卵管の環境を、チップの上に再現する

マイクロ流体技術とは、数十から数百マイクロメートル径の微小流路内で流体と粒子を制御する科学技術です。精子選別への応用は2000年代に始まり、選別の仕組みによって「受動的選別」と「能動的選別」に大別されます。受動的選別は、精子の運動そのものではなく、サイズや形状、表面電荷といった物理的性質に基づいて流路内で分離する方式です。代表例である多次元二重らせん(MDDS)デバイスは、慣性揚力とディーン抗力を利用し、希釈精液サンプルからわずか10分で精子の80%を回収しつつ、白血球の98%を除去、さらにサンプルを最大10倍に濃縮できると報告されています。

能動的選別は、温度や化学物質などの刺激に応じて精子自らが特定の領域へ泳いでいく性質を利用します。デバイスの駆動方式にも、注射ポンプなどの外部エネルギーを用いる「能動駆動型」と、表面張力・毛細管現象・重力・浸透圧といった力だけで流れを生む「受動駆動型」があり、後者は制御の難しさはあるものの、製造・使用が容易で低コスト・可搬性に優れるため、実験室での利用に適しているとされます。運動精子の選別だけに特化したデバイスとしては、2003年に開発された「K」字型デバイス(2つの流入口と2つの流出口を持ち、層流の性質を利用して運動精子のみを別の出口へ導く)が最初期の例で、少量サンプルからICSI用の精子を回収する用途に限られていました。その後、500本の放射状微小流路を持つデバイスでは、DNA断片化指数(DFI)の低下と前進運動率の上昇が、未処理精液やDGC処理と比較して確認されています。

こうしたデバイスの一部は、既に商用化され臨床応用されています。ZyMōt ICSI(CooperSurgical社)とFERTILE(Koek Biotechnology社)は5本の平行微小流路を持つ設計で、DNA断片化率の低い精子を選別でき、高DNA断片化患者を対象とした報告では生児出生率42%という成績が示されています。多孔質膜を用いる上位機種のZyMōt Multi/FERTILE Plus・Ultimateは、850µLから3mLまでの検体量に対応し、人工授精・IVF・ICSIいずれにも使用可能で、乏精子症や高粘度精液の患者への適用が期待されています。

流れに逆らって泳ぐ精子を選ぶ――走流性・走熱性・走化性デバイス

走流性を利用したデバイスは多様な設計が報告されています。微小な柵状構造(コラール構造)を用いたデバイスでは回収率約14%で回収精子の全てが前進運動精子、卵管の微小構造を模したデバイスでは回収率約12%で全て運動精子という結果が得られています。三角構造を配置したあるデバイスでは、未処理精液やDGC処理と比較して運動性・形態・DNA完全性が有意に改善し、ウシ精子を用いたIVF実験ではDGC処理よりも胚盤胞到達率が高くなることも確認されています。外部ポンプを用いない受動駆動型のデバイスも複数開発されており、水滴間の静水圧差を利用したあるデバイスでは、前進運動率約90%の精子が回収され、ICSIに用いたところ注入した卵子の半数近くで臨床妊娠に至ったと報告されています。別の静水圧差利用デバイスでは、運動率99%、正常形態率45%、DFI 6%という成績が示されています。

走熱性は、排卵期に子宮卵管接合部付近で生じるとされる温度勾配を利用する仕組みで、マウスを用いた実験ではICSI成績の改善が確認されていますが、ヒトでの選別デバイスは概念実証の域にとどまっています。走化性は、卵丘細胞由来のプロゲステロンなどの化学物質勾配に対する応答を利用しますが、極めて低濃度の物質を均一な勾配として作り出す難しさなどから、ヒト精子を対象とした報告は限られています。走熱性と走化性を組み合わせたデバイスでは、スイムアップ法と比較して前進運動率・正常形態率が高く、DFIが低い精子を回収できた一方、先体反応を起こす精子の割合が増加する傾向も認められ、適用範囲がICSIに限られる可能性が指摘されています。走熱性と走流性を組み合わせたデバイスでは、DGC・SUいずれと比較しても精子パラメータの改善が確認されています。

臨床成績――「使える」と言えるのはどんな患者か

数多くのマイクロ流体デバイスが開発されてきた一方で、臨床アウトカム(受精率、胚の質、妊娠率、生児出生率)まで評価されているのは、静水圧差利用デバイスの1つと、商用化されたFERTILE/ZyMōt系デバイスに限られます。パイロット研究では、SU法と比較して良好胚率・着床率・臨床妊娠率が有意に増加したと報告されていますが、生児出生率は評価されていません。重度男性因子のない集団を対象とした比較試験では、FERTILE Plusを用いてもSU法と比べて受精率・胚盤胞到達率・臨床妊娠率・着床率・生児出生率のいずれにも有意差は認められていません。ZyMōt Multiを未選択の患者集団に用いた場合も、SU法に対する改善は確認されていません。

一方、対象を絞った検討では異なる結果も報告されています。高DNA断片化率の患者を対象にFERTILE PlusとDGCを比較した研究では、受精率・生児出生率は同程度でしたが、胚盤胞到達率と良好胚盤胞率はマイクロ流体処理群で有意に高くなりました。同じく高DNA断片化率の患者にZyMōt Multiを用いた別の研究では、正倍数性率・着床率・臨床妊娠率・生児出生率のいずれもDGCより改善しています。精子所見が正常な患者ではFERTILE Chip/ZyMōt ICSIとSU法の間に有意差はみられませんでしたが、男性因子不妊の患者ではFERTILE Chip群でSU法より着床率・臨床妊娠率・生児出生率が高くなりました。人工授精でも、FERTILE Plusを用いるとDGCと比較して継続妊娠率が有意に上昇したことが示されています。これらの結果は、マイクロ流体デバイスの効果が万能というよりも、男性因子不妊や高DNA断片化率といった特定の患者背景で顕在化しやすいことを示唆しています。

研究の強みと限界

本レビューの強みは、女性生殖管における生理的な精子選別の仕組みから、従来法、ICSI向け高度選別法、多様なマイクロ流体デバイスまでを一貫した枠組みで整理している点にあります。一方で限界も明確です。紹介されたデバイスの多くは、動物実験や精子パラメータ(運動率、形態、DNA完全性)の改善にとどまり、受精率・妊娠率・生児出生率まで検証された例は少数です。臨床評価がなされた研究も多くが単一施設・少数例で、比較対照や評価アウトカムが研究ごとに異なるため、横断的な比較は容易ではありません。走流性が受動的な物理現象か能動的な生物学的プロセスかについても議論が残っています。レビュー自身も、臨床的有効性を検証するには厳密な多施設共同研究が必要だと結論づけています。

日本の生殖医療における含意

日本では、晩婚化・晩産化を背景に生殖補助医療を利用するカップルが増加しており、男性因子不妊への対応も臨床上の重要な課題となっています。マイクロ流体デバイスの一部は既に国内でも導入が進んでいますが、今回のレビューが示す通り、その有効性は患者背景によって一様ではありません。精子所見が正常な患者に一律に用いても、従来法に対する明確な優位性は確認されておらず、恩恵が比較的明確に示されているのは、男性因子不妊や高い精子DNA断片化率を伴う患者です。臨床現場でマイクロ流体デバイスを選択肢として検討する際には、対象患者の背景を踏まえたうえで、従来法との使い分けが求められる段階にあるといえます。

おわりに

男性不妊の増加と、現行の精子選別法だけでは受精や妊娠の成功を保証できないという課題を背景に、より効果的な精子選別戦略の開発が求められています。マイクロ流体デバイスは、女性生殖管で精子が経験する生理的環境を再現できる点で大きな可能性を持ち、物理的性質から運動性、走流性・走熱性・走化性まで、多様な基準に基づく選別を可能にする汎用性の高い技術です。選別効率の高さと、比較的安価で使いやすい設計は、日常的なIVF臨床への統合を後押しする要素になり得ます。光学技術や人工知能、微小電気機械システム(MEMS)との組み合わせによる更なる改良の余地も残されています。数多くのデバイスが開発されてきた現在、次に求められているのは、その臨床的有効性を検証する、一貫性のある多施設共同研究であるといえます。

参考文献

1. Pérez-Gómez A, Urriés A, de Pablo JL, et al.『Improving ARTs: Microfluidics as a Tool for Sperm Selection』Andrology 2026;0:1–16. doi:10.1111/andr.70314.

2. Liang Y, Huang J, Zhao Q.『Global, Regional, and National Prevalence and Trends of Infertility Among Individuals of Reproductive Age (15–49 years) From 1990 to 2021, With Projections to 2040』Human Reproduction 2025:529–544.

3. Jeon H, Cremers C, Le D, Abell J, Han J.『Multi-dimensional-double-spiral (MDDS) Inertial Microfluidic Platform for Sperm Isolation Directly From the Raw Semen Sample』Scientific Reports 2022;12(1):4212.

4. Cho BS, Schuster TG, Zhu X, Chang D, Smith GD, Takayama S.『Passively Driven Integrated Microfluidic System for Separation of Motile Sperm』Analytical Chemistry 2003;75(7):1671–1675.

5. Zaferani M, Cheong SH, Abbaspourrad A.『Rheotaxis-based Separation of Sperm With Progressive Motility Using a Microfluidic Corral System』PNAS 2018;115(33):8272–8277.

6. Anbari F, Khalili MA, Sultan Ahamed AM.『Microfluidic Sperm Selection Yields Higher Sperm Quality Compared to Conventional Method in ICSI Program: A Pilot Study』Systems Biology in Reproductive Medicine 2021;67(2):137–143.

7. Pérez-Cerezales S, Laguna-Barraza R, de Castro AC, et al.『Sperm Selection by Thermotaxis Improves ICSI Outcome in Mice』Scientific Reports 2018;8(1):2902.

8. Pujol A, García-Peiró A, Ribas-Maynou J, Lafuente R, Mataró D, Vassena R.『A Microfluidic Sperm-sorting Device Reduces the Proportion of Sperm With Double-stranded DNA Fragmentation』Zygote 2022;30(2):200–205.

9. Yalcinkaya Kalyan E, Can Celik S, Okan O, Akdeniz G, Karabulut S, Caliskan E.『Does a Microfluidic Chip for Sperm Sorting Have a Positive Add-on Effect on Laboratory and Clinical Outcomes of Intracytoplasmic Sperm Injection Cycles? A Sibling Oocyte Study』Andrologia 2019;51(10):e13403.

10. Keskin M, Pabuçcu EG, Arslanca T, Demirkıran ÖD, Pabuçcu R.『Does Microfluidic Sperm Sorting Affect Embryo Euploidy Rates in Couples With High Sperm DNA Fragmentation?』Reproductive Sciences 2022;29(6):1801–1808.

11. Kocur OM, Xie P, Cheung S, et al.『Can a Sperm Selection Technique Improve Embryo Ploidy?』Andrology 2023;11(8):1605–1612.

12. Aydın Ş, Bulgan Kılıçdağ E, Çağlar Aytaç P, Çok T, Şimşek E, Haydardedeoğlu B.『Prospective Randomized Controlled Study of a Microfluidic Chip Technology for Sperm Selection in Male Infertility Patients』Andrologia 2022;54(6):e14415.

13. Gode F, Bodur T, Gunturkun F, et al.『Comparison of Microfluid Sperm Sorting Chip and Density Gradient Methods for Use in Intrauterine Insemination Cycles』Fertility and Sterility 2019;112(5):842–848.e1.

14. Falquet Guillem M, Pacheco R, Gisbert-Iranzo A, et al.『Magnetic-activated Cell Sorting Non-apoptotic Sperm Selection Improves DNA Fragmentation and Reproductive Outcomes: Systematic Review and Meta-analysis』Reproductive Biomedicine Online 2026;52(1):105152.

15. Yaghoobi M, Abdelhady A, Favakeh A.『Faster Sperm Selected by Rheotaxis Leads to Superior Early Embryonic Development in Vitro』Lab on a Chip 2024;24(2):210–223.

2026年8月7日2026年8月31日

AIはART妊娠を予測できるか──20研究を統合した現在地

体外受精(IVF)や顕微授精(ICSI)などの生殖補助医療(ART)が広く行われるようになった一方、1回の治療周期でどの程度の確率で妊娠・出産に至るかを事前に見積もることは、患者にとっても医療者にとっても重要な課題です。世界保健機関(WHO)の推計では成人の6人に1人が生涯のいずれかの時期に不妊を経験するとされ、ART治療は多くの家庭にとって重要な選択肢になっている一方、1周期あたりの生産率は依然として限定的で、施設間・個人間のばらつきも大きいことが知られています。

従来の妊娠予測モデルは回帰分析を中心に、あらかじめ定めた少数の変数を用いるものが主流で、胚の形態情報や画像データ、複雑な相互作用までは十分に捉えきれないという限界がありました。近年は機械学習(ML)による予測モデルの開発が相次いでいますが、実際にどの程度の精度でART後の妊娠・出産を予測できるのかを体系的に検証した研究は限られていました。この空白を埋める目的で行われたのが、Journal of Assisted Reproduction and Genetics誌に2026年に掲載された系統的レビュー・診断精度メタ解析です(DOI:10.1007/s10815-026-03988-x)。PROSPEROに事前登録された上で(登録番号CRD420251108846)、9つのデータベースを横断的に検索し、機械学習モデルによるART妊娠・出産予測の診断精度と方法論的な質を統合的に評価しています。

方法──9つのデータベースを横断し、20研究を精査した

PubMed、Embase、Cochrane Library、IEEE Xplore、MEDLINE、ClinicalTrials.gov、CNKI、Wanfang、VIPの9データベースを対象に、開設時から2026年7月までの文献が検索され、PRISMA2020声明とコクラン診断精度レビューハンドブックに準拠して実施されています。最終的に2241件が抽出され、重複除去・スクリーニングと179件の全文評価を経て、20研究が組み入れ基準を満たしました。このうち完全な2×2データ(真陽性・偽陰性・偽陽性・真陰性)を報告していた14研究が診断精度メタ解析の対象です。20研究は2020〜2026年に発表され、アジア・欧州・北米・オーストラリア・ロシアなど世界各地で実施されましたが、多くが後方視的・単施設の研究で、前方視的研究はわずか2件、外部検証を報告していた研究も少数にとどまりました。

感度73.7%、特異度78.9%――『当たる』とはどこまで言えるか

14研究を対象とした診断精度メタ解析の結果、機械学習モデルの統合感度は0.737(95% CI、0.662〜0.799)、統合特異度は0.789(95% CI、0.709〜0.851)でした。感度73.7%は、実際に妊娠・出産に至った周期のうち、モデルが『陽性』と正しく判定できた割合が7割強にとどまることを意味し、裏を返せば成功する周期のおよそ4件に1件は『見込みが低い』と誤って分類される計算です。特異度78.9%についても、実際には妊娠・出産に至らなかった周期のうち5件に1件はモデルによって誤って『見込みがある』と判定されていたことになります。研究間のばらつきを示すI²統計量は感度97.7%、特異度99.0%(いずれもp<0.0001)と極めて高く、対象集団や施設によって成績が大きく異なっていたことがうかがえます。

感度と特異度のトレードオフを踏まえた統合診断オッズ比(DOR)は10.49(95% CI、6.28〜17.53)でした。DORは妊娠・出産に至った群でモデルが陽性となるオッズが、至らなかった群と比べて何倍かを示す値で、10.49という数字は成功した周期のオッズがおよそ10倍高いことを意味します。ばらつきは大きいものの(I²=96.2%、p<0.0001)、95%信頼区間の下限は1を大きく上回り、有意性そのものは比較的一貫していました。要約ROC曲線(SROC曲線)もROC空間の左上寄りに位置し、おおむね良好な判別能を示す一方、予測区間の幅は広く、臨床現場ごとの不確実性の大きさも示されていました。

臨床妊娠と生産で差はなし、アルゴリズムの種類でも優劣つかず

アウトカムの種類・アルゴリズム・研究デザイン・施設の種類・検証方法という5つの観点から探索的サブグループ解析が行われています。臨床妊娠(8研究)の統合DORは11.09、生産(6研究)は10.63で有意差なし(p=0.936)。アルゴリズム別ではアンサンブル学習9.47、深層学習6.03、従来型機械学習24.27で、数字上は従来型機械学習が高く見えますが対象研究が2件と少なく信頼区間も極めて広いため優劣は判断できません(p=0.553)。施設の種類(単施設11.62 対多施設8.76、p=0.556)、検証方法(内部検証12.42 対外部検証6.09、p=0.109)でも有意差はなく、外部検証の方が点推定値が低い傾向は、モデルが施設内のデータで最適化されている可能性を示唆します。唯一有意差が出たのは研究デザイン別(後方視的9.27 対前方視的200.00、p=0.0009)ですが、前方視的群はわずか1研究で信頼区間も極端に広く、この結果から前方視的研究の優位性を結論づけることはできないと、論文中でも慎重な解釈が求められています。

20研究のうち『低リスク』はわずか1本――方法論の質という課題

論文はPROBASTを用いて、対象・予測因子・アウトカム・解析の4領域、12項目にわたり各研究の質を評価しています。20研究中、全体としてバイアスリスクが『低い』と判定されたのはわずか1研究(5.0%)で、『高い』が8研究(40.0%)、『不明』が11研究(55.0%)を占めました。特にアウトカム評価の領域は低リスクが2研究のみで、評価手順や追跡期間の記載が不明瞭な研究が目立ちました。出版バイアスはDeeksのファネルプロット検定で有意な非対称性は認められませんでしたが(p>0.05)、対象が14研究と少なく検出力自体が限られている点には留意が必要です。

臨床現場への示唆――『補助ツール』としての機械学習

臨床現場では、機械学習モデルの位置づけをどう捉えるかが今回の結果から改めて問われます。感度73.7%・特異度78.9%という成績は、単独の診断ツールとして意思決定を委ねるには不十分な水準であり、論文でも『臨床家の判断や共同意思決定を補完する補助的な意思決定支援ツール』として位置づけるべきだと指摘されています。頭蓋内動脈瘤の破裂リスク予測など他領域の機械学習モデルと比較しても同程度のDORにとどまり、ART分野に限らず機械学習による予測モデル全般に共通する現状ともいえます。

日本では、胚の形態評価や患者背景をもとにした妊娠・出産の見込みの説明が診療の一部として行われていますが、今回の結果はAIによる予測スコアを『決定的な根拠』として扱うことへの慎重さを裏付けるものです。内部検証を行った研究の方が外部検証を行った研究よりDORが高い傾向にあったことは、単一施設で最適化されたモデルを他施設にそのまま適用すると期待した精度が得られない可能性を示唆しており、国内複数施設を横断した外部検証を伴う研究が、今後の実装判断において重要な材料になると考えられます。

研究の強みと限界

この系統的レビューの強みは、9つのデータベースを横断した網羅的な検索と、PRISMA2020声明・コクラン診断精度レビューハンドブックに準拠した厳密な手順、PROBASTによる体系的な質評価を組み合わせている点にあります。一方で、完全な2×2データを報告していたのは20研究中14研究にとどまり、主要な解析のほぼすべてで研究間の異質性が高く、その要因を研究レベルの共変量だけでは十分に説明できませんでした。対象研究の多くが後方視的・単施設研究で一般化可能性にも限界があり、較正(キャリブレーション)や正味の利益、実装環境に関する報告も不十分で、臨床的有用性を深く評価することはできなかったとされています。

おわりに

今回のメタ解析は、機械学習モデルがART後の妊娠・出産をおおむね中程度の精度で予測できる一方、その精度は臨床判断を単独で代替できる水準には達していないことを定量的に示しました。研究間の異質性の大きさ、後方視的・単施設研究への偏り、外部検証の乏しさ、方法論的な質の課題(20研究中、低リスクと判定されたのは1研究のみ)は、いずれもこの分野が抱える構造的な課題として浮かび上がっています。論文は、今後の研究がTRIPOD+AIおよびPROBASTに準拠した透明性の高い報告、較正と臨床的有用性の評価、前方視的な多施設外部検証を優先すべきだと結論づけています。機械学習モデルがART診療に組み込まれる段階に至るには、こうした知見の蓄積が今後の鍵になると考えられます。

参考文献

1. Li B, Liu H, Yu F, et al. Machine learning-enabled prediction of ART pregnancy outcomes: a systematic review and meta-analysis. J Assist Reprod Genet. 2026. doi:10.1007/s10815-026-03988-x

2026年8月6日2026年8月31日

「見えない精子」を、AIが手術中に見つけ出す──microTESE支援システムの挑戦

不妊症の男性のうち、約15%は無精子症と診断されています。このうち、精巣で精子がほとんど作られていない非閉塞性無精子症(NOA)では、射精液中に精子が存在しなくても、精巣組織のごく一部には精子が残っている場合があります。この精子を外科的に採取する方法として、顕微鏡下精巣内精子採取術(micro-TESE)がゴールドスタンダードとされていますが、精子回収率は約45%、生児獲得率は約13%にとどまるとされています。

手術では、採取した精巣組織を細胞懸濁液として処理し、位相差顕微鏡下で培養士が目視によって精子を探索します。この作業は労力を要するうえに主観に左右されやすく、観察できる組織はごく一部に限られます。精子の数が極めて少ない場合には、経験豊富な培養士であっても見逃してしまう可能性があります。人工知能(AI)による自動検出は、この課題への対応策として以前から検討されてきましたが、実際の手術中にリアルタイムで機能する精度と速度を両立したモデルは十分に確立されていませんでした。

こうした状況を踏まえ、micro-TESE術中にリアルタイムで候補精子を検出するAI支援システムを開発し、実際の手術で評価した論文が、Human Reproduction Open誌(2026年)に掲載されました(doi:10.1093/hropen/hoag062)。改良型のYOLOアルゴリズムを用いたこのシステムは、実臨床の手術室でどの程度の性能を発揮したのか。論文の内容を読み解きます。

方法──1165人分・5032個の精子データで鍛えたモデルを、手術室で試す

研究チームは、既存のYOLOv11アーキテクチャを土台に、微量な精子の検出に特化した改良モデル「YOLOv11-RSD」を開発しました。背景の組織片や細胞と精子を区別しやすくするための注意機構(CBAM)を組み込み、複数のスケールで検出する仕組みを整えることで、密集した視野や複雑な背景の中でも精子らしい構造を見つけやすくする工夫が加えられています。

モデルの学習と検証には、単一施設で撮影された1165人分・1932枚の顕微鏡画像、合計5032個の精子アノテーションが用いられました。画像への注釈は、5年以上の経験を持つ培養士3名が独立して行い、判定が分かれた場合は合議で最終判断を行っています。

臨床評価は2024年5月から2025年7月にかけて実施されました。まず精管が閉塞しているだけで精子形成そのものは正常な閉塞性無精子症(OA)患者10例を対象に、複数の判定基準(信頼度閾値)ごとの性能を比較し、最も適切な閾値を選定しました。続いて、NOA患者30例のmicro-TESE術中に実際にシステムを稼働させ、培養士による従来の目視評価と比較しています。培養士の判定を基準として、陽性的中率(PPV、精度に相当)、感度(見逃しの少なさに相当)、F1スコア(両者のバランスを示す指標)と、それぞれの95%信頼区間が算出されました。AIが検出した候補のうち、当初の目視評価で見つかっていなかったものについては、その場で担当培養士が再確認し、判定が微妙な場合や当初「精子陰性」とされていた症例では、別の培養士による確認も行われています。

注意機構で「精子らしさ」を強調──ベースモデルとの比較

開発段階での比較では、YOLOv11-RSDは従来のYOLOv11に対して一貫した性能向上を示しました。比較的緩やかな判定基準(IoU 0.5、信頼度0.3)では、平均検出精度(mAP50-95)が0.552から0.734へ、PPVが78.2%から92.8%へ、感度が74.7%から87.8%へといずれも改善しています。標準的な基準(IoU 0.5、信頼度0.5)でも、感度は61.4%から87.2%へと大きく向上しました。

誤りの内訳を見ると、見逃し(偽陰性)の割合は38.6%から12.8%へ、誤検出(偽陽性)の割合は10.3%から6.8%へと、いずれも改善しています。精子が少ない視野(0〜5個)では感度が75.9%から91.2%へ、精子がやや多い視野(6〜10個)では57.0%から88.3%へと、精子を探しにくい条件ほど改善幅が大きいことも示されました。一方で、計算負荷の増加はわずかで(パラメータ数20.05Mから20.32M、モデルサイズ38.64MBから39.15MB)、処理速度も640×640ピクセルの画像で毎秒262.4フレームから260.9フレームとほぼ変わらず、1視野あたりの応答時間は8.76ミリ秒に保たれました。処理速度を大きく犠牲にすることなく精度を高められた点が、この改良の特徴といえます。

信頼度50%という「物差し」──閉塞性無精子症10例で基準を定める

精子形成が正常なOA患者10例を対象に、信頼度の判定基準を30%から70%まで変えながら性能を確認したところ、信頼度が低いほど感度は高くなる一方でPPVは下がるという、一般的なトレードオフの関係が見られました。信頼度30%ではPPV 75.2%・感度96.7%、信頼度50%ではPPV 83.5%・感度96.5%・F1スコア89.5%、信頼度70%ではPPV 86.1%・感度85.4%という結果でした。感度を高く保ちながらF1スコアが最も高くなる信頼度50%が、以降のNOA患者への適用における運用基準として選ばれています。

見逃されていた精子が、6例で浮かび上がった──NOA30例の実地成績

信頼度50%の基準を用いて、NOA患者30例のmicro-TESE術中にシステムを稼働させたところ、クラインフェルター症候群、Y染色体AZFc領域欠失、流行性耳下腺炎(おたふくかぜ)後の精巣炎、特発性NOAなど多様な原因を含む30例のうち12例で精子の回収に成功しました。培養士の判定を基準とした場合、PPVは80.58%(95%信頼区間77.2〜83.6%)、感度は96.11%(95%信頼区間94.0〜97.5%)、F1スコアは87.66%(95%信頼区間85.5〜89.7%)でした。感度96.11%という数字は、見つけるべき精子のうちシステムが検出できた割合が非常に高かったことを示しています。

特に注目されるのは、30例中6例で、当初の目視評価では見つかっていなかった候補精子をシステムが指摘し、その場での再確認によって精子であることが確認された点です。このうち2例は、当初は「精子陰性」と判定されていた症例でした。AI支援による探索・確認の流れが関わった6例については、その後の生殖医療の経過も追跡されており、いずれの症例でも胚の卵割(受精卵が分裂を始めること)が確認され、うち3例で生児が得られています。また、当初「精子陰性」とされていた2例のうち1例では、単胎の生児出産に至りました(もう1例は妊娠したものの流産という経過をたどっています)。これらは症例数の限られた観察結果であり、AI支援の有効性を確定づけるものではありませんが、見逃されがちな候補を拾い上げる可能性を示す所見といえます。

臨床現場での位置づけ──「探す」より「見逃さない」を支える役割

日本でも、非閉塞性無精子症は生殖年齢の男性不妊の主要な原因のひとつであり、micro-TESEは標準的な治療選択肢として広く行われています。手術中の精子探索は培養士の経験と集中力に大きく依存する作業であり、視野を隅々まで確認する負担は小さくありません。今回のシステムは、培養士に代わって精子を選別したり採取したりするものではなく、あくまで培養士の判定と並行して稼働し、見逃されやすい候補を指摘したうえで、最終的な確認と回収は培養士が行うという位置づけの支援ツールとして設計されています。

臨床現場にとって重要なのは、手術時間の短縮効果がまだ示されていないという点です。1検体あたりの検出時間は平均366.4秒であり、過去の報告と比べて短縮されたわけではありませんでした。1フレームあたりのAI処理自体は8.76ミリ秒と高速ですが、実際の手術全体の所要時間は、スライドの走査や視野の切り替え、ピント合わせといったハードウェア・作業手順側の要因に左右される部分が大きく、アルゴリズムの高速化だけでは解決しない課題であることが示唆されています。

研究の強みと限界

この研究の強みは、精液検査や模擬環境ではなく、実際のmicro-TESE手術という臨床現場そのものでシステムを評価した点にあります。精巣内の精子は運動性が乏しく、セルトリ細胞やライディッヒ細胞、赤血球、組織片など多様な背景の中に埋もれているため、精液中の精子検出とは条件が大きく異なります。この実環境下での評価は、他の関連研究にはあまり見られない特徴です。

一方で限界も複数指摘されています。評価は単一施設で行われており、対象はOA10例・NOA30例と限られた規模にとどまります。また、画像への注釈作業においてカッパ係数などの定量的な一致度評価が行われていない点も限界として明記されています。手術全体の所要時間の短縮が示されていないことも先述のとおりです。これらを踏まえ、より多くの施設を含む前向きな多施設共同研究による外部検証が、今後の臨床実装に向けて必要とされています。

おわりに

今回の研究は、AI支援によるリアルタイム精子検出システムを、実際のmicro-TESE手術という厳しい条件下で評価し、候補となる希少な精子を検出できる可能性を示しました。培養士の判定を置き換えるものではなく、あくまで見逃しを減らすための決定支援ツールという位置づけであり、症例数の限られた観察結果である点にも留意が必要です。標準化された撮像手法と手術効率を評価項目に含む前向きな多施設共同研究が、今後の臨床応用の可否を左右する次のステップとして位置づけられています。

参考文献

1. Han S, Xu S, Hu H, Zhu Z, Bai F, Deng C, Huang Y, Zhang C, Sun Y, Bai H, Yao C, Zhao F, Li Z, Zhao D, Li P. 『An artificial intelligence real-time rare sperm detection system for intraoperative microsurgical testicular sperm extraction』Human Reproduction Open 2026;2026(3):hoag062. doi:10.1093/hropen/hoag062.

2. Vloeberghs V, Verheyen G, Haentjens P, Goossens A, Polyzos NP, Tournaye H. 『How successful is TESE-ICSI in couples with non-obstructive azoospermia?』Human Reproduction 2015;30:1790–1796.

3. Eisenberg ML, Lathi RB, Baker VL, Westphal LM, Milki AA, Nangia AK. 『Frequency of the male infertility evaluation: data from the national survey of family growth』The Journal of Urology 2013;189:1030–1034.

2026年8月5日2026年8月31日

AI胚評価は従来法に匹敵する──しかし、染色体異常は見抜けない

体外受精における胚選択は、各周期で得られた複数の胚盤胞の中から、出生に至る可能性が最も高い1個を選ぶ試みです。染色体が正常な状態(正倍数体)であることは着床のしやすさを左右する最も強い予測因子とされ、正倍数性が確認された胚盤胞を移植した場合、着床前遺伝学的検査(PGT-A)を行わずに移植した場合と比べて生児獲得率が高く、流産率も低いことが複数の報告で示されています。しかしPGT-Aには栄養外胚葉の生検という侵襲的な手技と専門設備が必要で、労力とコストが増えるため、米国生殖医学会(ASRM)と米国生殖補助医療技術学会(SART)の合同委員会は、一般集団への一律導入の利益は不確実だと指摘しています。

そのため非侵襲的な胚選択は従来、固定された時点での形態評価に頼ってきましたが、この方法は評価者間・評価者内でのばらつきが大きいという限界を抱えています。タイムラプス技術の登場により胚の発生過程を連続的に観察できるようになり、近年はAIを組み込んで形態動態の自動アノテーションやスコアリングを行うツールが普及しつつあります。ただし、多くのAIモデルは移植優先順位の効率化を目的に開発されたものであり、「AIがPGT-Aの代替として染色体異常を予測できる」という理解は、現時点のエビデンスでは支持されていません。きょうだい胚(同一周期で得られた複数の胚)の中で、AIが実際に正倍数体を優先的に選び出せるかどうかを直接検証した研究は、これまで数少なかったのが実情です。

この点を検証したのが、Fertility and Sterility誌(2026年)に掲載された研究です(DOI: https://doi.org/10.1016/j.fertnstert.2026.07.025)。3個以上のきょうだい胚盤胞のうち少なくとも1個が正倍数体、少なくとも1個が異数体であった279周期を対象に、従来の形態評価、形態動態評価、2種類のAIモデル、ランダム推測という5通りの方法で、それぞれが正倍数体をどれだけ正確に「1位」に選び出せるかを比較しています。

方法──786周期から279周期を絞り込んで比較

2013年から2020年にかけて、イタリア・ローマの生殖医療施設で実施された786件のPGT-A周期(タイムラプスインキュベーターでの培養を経て胚盤胞が得られた周期)を対象に、生検された胚盤胞が3個未満の423周期と、全ての胚が正倍数体または全て異数体だった84周期を除外しました。残る279周期(胚盤胞1,260個)が解析対象です。各胚盤胞は、2名の胚培養士がPGT-A結果を伏せた状態で独立して評価し、結果が食い違った場合は3人目が判定しました。評価方法は、①Gardnerスコアによる静的形態評価(内細胞塊・栄養外胚葉の組み合わせで1点[AA]から9点[CC]まで採点)、②Gardnerスコアに拡張胚盤胞到達時刻(tEB)と到達時の面積という形態動態パラメータを加えた評価、③AIモデルversion-1、④AIモデルversion-2(いずれもVitrolife社のiDAScore、1~9.9点のスケール)の4通りです。加えて、偶然の水準を推定するため、random.orgを用いたランダム推測も比較対象に含めました。各周期内で1位にランクされた胚が実際に正倍数体だった割合を、各方法の的中率として算出しています。

68%対58%――AIが上回ったのは「静的形態評価」だけ

正倍数体を1位に選び出せた周期の割合は、AIモデルversion-2が68%(190/279周期、95%信頼区間62.4~73.3%)で最も高く、次いで形態動態評価が64%(179/279周期、95%CI 58.4~69.7%)、AIモデルversion-1が62%(174/279周期、95%CI 56.6~67.9%)、Gardnerスコアによる静的評価が58%(163/279周期、95%CI 52.6~64.0%)という順でした。統計的に有意差が確認されたのはAIモデルversion-2のみで、静的評価を有意に上回っていました(p=0.022)。参考として、ランダム推測での的中率は44%(124/279周期、95%CI 38.7~50.3%)にとどまり、これは静的評価より有意に低い水準でした(p=0.001)。つまり、いずれの方法も偶然よりは正倍数体を選び出せているものの、最も成績の良かったAIモデルversion-2でも、約3割(32%)の周期では、正倍数体のきょうだいがいるにもかかわらず異数体を1位に選んでしまう計算になります。

見え方の違い――AIは胚の「ばらつき」を人間ほど感じ取らない

研究チームは、各周期内でのスコアのばらつき(変動係数、CV=標準偏差÷平均)を計算し、これが的中率とどう関係するかも調べています。胚培養士によるスコアのばらつきの中央値は0.75(第1四分位0.57~第3四分位0.96)で、AIモデルversion-1の0.29(0.17~0.37、p<0.001)やversion-2の0.60(0.41~0.74、p<0.001)より明らかに大きく、胚培養士の目にはきょうだい胚間の違いがより大きく映っていたことがわかります。胚培養士のスコアとAIモデルの相関はversion-1でr=0.358、version-2でr=0.330と、いずれも有意ではあるもののゆるやかな相関にとどまり、AIモデルversion-1とversion-2同士の相関はr=0.647と強い相関を示しました。さらに、胚培養士の評価ではばらつき(CV)が大きい周期ほど正倍数体を正しく選べる傾向があり、この関連は母体年齢で調整した後も有意でした(p=0.009)。一方、AIモデルのCVと的中率のあいだにはこうした関連は見られませんでした。これは、AIが胚培養士とは異なる画像的特徴に基づいて判断している可能性を示唆する結果です。

年齢が上がるほど、どの方法も「当たらなく」なる

母体年齢が上がるにつれて、いずれの方法でも的中率は低下する傾向が見られました。静的評価は35歳未満の87%から42歳超では17%に、ランダム推測は66%から22%に、形態動態評価は84%から39%に、AIモデルversion-1は79%から33%に、それぞれ低下しています。これに対しAIモデルversion-2は、42歳未満までは65%以上を維持し、42歳以上でも44%と、他の方法ほど大きく落ち込みませんでした(全体の傾向としては有意差なし、p=0.161)。ただし42歳以上の対象は18周期のみで、解析対象279周期全体の9.5%にすぎない点には注意が必要です。

臨床的意味・日本への含意

日本では、体外受精・PGT-Aの実施件数は増加傾向にあり、非侵襲的な胚の優先順位付けとAI活用への関心も高まっています。今回の結果が示すのは、AIモデルが従来の形態評価に対して統計的に有意な改善を示した一方で、その改善幅は的中率にして10ポイント程度にとどまり、しかもどの方法を用いても3割前後の周期で異数体が正倍数体より優先されてしまうという実態です。既存の系統的レビュー・メタ解析(6,879個の胚を対象)では、AIによる正倍数性予測の統合感度は0.71、特異度は0.75、AUCは0.80と報告されており、一定の予測能力は示されているものの、確定診断としての精度には至っていません。臨床現場では、PGT-Aが倫理的・法的・技術的な制約で実施できない状況において、AIによる胚ランキングが非侵襲的な優先順位付けの補助となり得る一方、染色体異常の有無を判定する目的では使用できないという位置づけを明確にしておく必要があります。異数体の胚が着床した場合、約9割が流産に至るとされており、優先順位付けの精度向上は、患者の心理的・身体的負担の軽減という観点からも意味を持ちます。

研究の強みと限界

この研究は単一施設・後ろ向きコホートという設計上の制約を持ちます。対象を「3個以上の胚盤胞のうち正倍数体・異数体が両方含まれる周期」に限定しているため対象集団は限られており、他の患者集団や施設にそのまま一般化できるとは限りません。また、この研究はシミュレーションであり、実際の臨床判断に使用されたものではなく、着床や生児獲得といった最終的な臨床アウトカムに対する検証は行われていません。解析対象にはDay7の胚盤胞や、通常の臨床では除外されがちな低グレード(BB未満)の胚も含まれており、これらは現行のAIモデルの学習データに十分反映されていない可能性があります。加えて、「正倍数体が1位に選ばれるか」という指標は、「生児に至る胚が1位に選ばれるか」とは異なる点にも留意が必要です。ただし正倍数性は全てのきょうだい胚について判定できる指標である一方、生児獲得は移植された胚だけに観察される選択バイアスを伴う指標であるため、代替指標としての妥当性は一定程度支持されます(異数体の胚盤胞が出産に至る割合は2%未満である一方、移植された正倍数体胚の生児獲得率は約50%と報告されています)。

おわりに

今回の研究は、AIによる胚ランキングが従来の非侵襲的評価と同等かそれをやや上回る成績を示す一方、染色体異常の有無を診断する精度には達していないことを示しました。正倍数体のきょうだいが存在するにもかかわらず異数体を優先してしまうケースは、AIを含むいずれの評価方法でも一定数残されており、遺伝学的検査に代わる診断ツールとしてAIを扱うことには慎重さが求められます。今後は、AIモデルの継続的な学習と、解釈可能性を高めた「グラスボックス」型モデルの開発、そして人間の判断とAIを組み合わせた運用の検証が、生殖医療における胚選択の精度向上に向けた課題として位置づけられています。

参考文献

1. Cimadomo D, Taggi M, Innocenti F, Cimadomo V, Coticchio G, De Falco F, et al. AI-based embryo ranking can match or improve traditional assessments but cannot predict an aneuploid chromosomal constitution. Fertility and Sterility 2026. doi:10.1016/j.fertnstert.2026.07.025

2. Xin X, Wu S, Xu H, Ma Y, Bao N, Gao M, et al. Non-invasive prediction of human embryonic ploidy using artificial intelligence: a systematic review and meta-analysis. EClinicalMedicine 2024;77:102897.

3. Chavez-Badiola A, Flores-Saiffe-Farias A, Mendizabal-Ruiz G, Drakeley AJ, Cohen J. Embryo Ranking Intelligent Classification Algorithm (ERICA): artificial intelligence clinical assistant predicting embryo ploidy and implantation. Reprod Biomed Online 2020;41:585-93.

4. 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.

5. Wang G, Wang K, Gao Y, Chen L, Gao T, Ma Y, et al. A generalized AI system for human embryo selection covering the entire IVF cycle via multi-modal contrastive learning. Patterns (N Y) 2024;5:100985.

6. Capalbo A, Poli M, Jalas C, Forman EJ, Treff NR. On the reproductive capabilities of aneuploid human preimplantation embryos. Am J Hum Genet 2022;109:1572-81.

2026年7月31日2026年8月31日

6つの市販AIで胚を評価──精度は横並び、選ぶ胚は食い違う

生殖年齢が上がるにつれ、体外受精(IVF)で得られる胚の染色体異常(異数性)の頻度は高まる。異数性のある胚は着床不全や流産、先天異常のリスクと関連するため、着床前遺伝学的検査(PGT-A)によって染色体数の正常な胚(正数性胚)を選んで移植する取り組みが広がっている。ただしPGT-Aは胚盤胞の一部組織を採取する侵襲的な検査であり、コストや技術的な負担、実施できる施設の限界も指摘されてきた。

そこで近年注目されているのが、胚の静止画像や培養中の動画(タイムラプス)を人工知能(AI)で解析し、染色体異常のリスクを推定するツールである。市販のAI胚評価システムはすでに複数存在するが、それぞれ異なる訓練データやアルゴリズムに基づいており、多くは染色体正数性そのものではなく着床能や胚盤胞の質を予測する目的で作られている。これらの市販AIが実際にどの程度染色体異常のリスクを見分けられるのか、複数のAIを使った場合に同じ胚を『良い胚』として選ぶのか――という問いは、十分に検証されてこなかった。

この問いに答えるため、Reproductive BioMedicine Online誌(2026年)に、6種類の市販AI胚評価アルゴリズムを、1000個のPGT-A済み胚盤胞を対象に一斉に比較検証した研究が報告された(doi:10.1016/j.rbmo.2026.105865)。スペイン・IVIRMA Valenciaで実施されたこの研究は、複数の市販AIを同一データセットで直接比較した数少ない大規模検証として位置づけられる。

方法──1000個の胚を、6つの市販AIで採点した

2022年1月から2023年12月にかけてIVIRMA Valenciaで実施された顕微授精(ICSI)周期のうち、PGT-Aの結果と完全なタイムラプスデータがそろった周期が解析対象となった。最終的に273人の患者による273周期から得られた1000個の胚盤胞が組み入れられ(1周期あたり2〜14個)、そのうち129個(26周期)は卵子提供周期由来、871個(247周期)は自己卵子周期由来だった。

胚は受精後3日目にレーザーによるアシステッドハッチングを施行し、ASEBIR(スペイン生殖生物学会)分類でグレードA〜Cの胚盤胞をday 5(平均116時間)またはday 6(平均140時間)に生検した。栄養外胚葉細胞を5〜8個採取し、次世代シーケンシングによる標的PGT-Aで染色体を解析。モザイク率50%未満は正数性、50%以上は異数性として二値の判定に用いた。

評価対象は匿名化された6種類の市販AI(論文中ではA〜Fと表記)。うち3つは胚盤胞の静止画1枚を解析する静止画像型(A:Life Whisperer Genetics、B:Life Whisperer Viability、E:Hera)、残り3つはタイムラプス動画から発生の時間経過(形態動態)を解析する動画型(C:KIDScore D5、D:iDAScore、F:EmbryoAid)である。染色体正数性の予測を目的として開発されたのはAlgorithm Aのみで、残る5つは主に着床能や生存能力の予測を目的としたものだった。

各AIのスコアと染色体正数性の関連は、卵子年齢・パートナー年齢・体格指数(BMI)・卵子の由来(提供卵子か自己卵子か)・生検日(day5/6)・ASEBIRグレードで調整した多変量ロジスティック回帰、およびROC曲線のAUC(曲線下面積)によって評価された。さらに各AI内でのスコア四分位ごとの正数性割合、そしてAI間での胚の順位の一致度がKendallのτ-b係数で検討された。

AUC 0.71〜0.74──6つのAIは、驚くほど『横並び』だった

1000個のうち正数性胚は487個(48.7%)、異数性胚は513個(51.3%)だった。卵子提供周期の正数性率は76.7%(129個中)、自己卵子周期では44.5%(871個中)と、卵子の由来による差は大きかった。

6つのAIはいずれも、正数性胚に対して異数性胚より有意に高いスコアを付けていた(すべてP<0.001)。多変量ロジスティック回帰でも、スコアが高いほど正数性である確率が高いという関連が全アルゴリズムで確認された(調整オッズ比1.12〜1.38、いずれもP<0.001)。

判別能を示すAUCは、Algorithm B(Life Whisperer Viability)の0.726からAlgorithm D(iDAScore)の0.742まで、6つとも0.73前後に収まり、95%信頼区間も互いに重なり合っていた。動画型アルゴリズム(C・D・F)の平均AUCは0.733、静止画像型(A・B・E)の平均AUCは0.730とその差はごくわずかで、タイムラプスによる形態動態情報が静止画に対して明確に優れているとは言えなかった。

比較対象として従来の形態評価(ASEBIRグレード)だけを用いた場合のAUCは0.613(95% CI 0.578〜0.648)にとどまり、6つのAIのAUC(0.726〜0.742)を下回った。グレードAとグレードCの比較では調整オッズ比7.142(約7倍)とグレード自体は正数性と強く関連していたが、個々の胚を判別する能力ではAIの方が優れていた。ただしAUC 0.73前後は『良好』というより『中程度』の判別能であり、正数性胚と異数性胚のスコア分布には大きな重なりがあった。この重なりは、AIスコア単独では個々の胚が正数性か異数性かを確実に見分けられないことを意味している。

同じ胚でも、AIが変われば順位は食い違う

判別能そのものは6つのAIでほぼ横並びだったが、同じ胚に対する評価の『順位』まで一致していたわけではない。AI間で胚の順位付けがどれだけ一致するかをKendallのτ-b係数で調べたところ、最も低い組み合わせ(Algorithm AとC)で0.242、最も高い組み合わせ(Algorithm BとF)でも0.459にとどまった(いずれもP<0.001)。研究チームの基準では、τ-b値0.3未満は『弱い一致』、0.3〜0.5は『中程度の一致』とされており、6つのAIの組み合わせはすべて弱い〜中程度の一致にとどまり、強い一致(τ-b>0.5)を示す組み合わせは1つもなかった。

実際の順位を比較すると、差はより明確になる。6つすべてが『上位5位以内』とした胚は1つもなく、『上位10位以内』で全アルゴリズムが一致した胚もわずか1個だった。『上位25位以内』まで広げても共通して選ばれた胚は36個にとどまり、そのうち正数性だったのは30個(83.3%)。逆に『下位10位以内』で一致した胚も1個のみ、『下位25位以内』で共通した18個のうち異数性は13個(72.2%)だった。AIによる上位・下位の評価は正数性・異数性の傾向をある程度反映してはいるものの、どのAIを使うかで実際に優先される胚はしばしば異なっていた。

なお、同一メーカーが開発した複数アルゴリズム間では比較的高い一致度がみられ、設計思想や訓練データに共通点がある可能性が示唆された。一方、6つのAIの出力を組み合わせた複合モデルを試みた探索的解析では、個々のアルゴリズム単独の性能を上回る改善は見られなかった。

移植後の妊娠転帰は、AIスコアでは予測できなかった

正数性と判定された487個の胚のうち207個が実際に移植された。全体の着床率(移植後5週の妊娠嚢確認)は51.2%、生児獲得率は40.1%、流産率は13.0%だった。移植胚をAIスコアの四分位別に比較しても、いずれのアルゴリズムでも着床率・生児獲得率・流産率に統計学的に有意な差は見られなかった。正数性胚のみに限定したROC解析でも、着床の成否を判別するAUCは0.48〜0.55と、判別能はほぼないに等しい水準だった。

これは、AIスコアが染色体正数性とはある程度関連する一方で、正数性が確認された胚の中でどの胚が着床・出産に至るかという予後予測にはほとんど寄与しないことを示している。研究チームは、正数性胚という集団内ではもともと生物学的なばらつきが小さいこと(いわゆる天井効果)を反映していると考察している。

臨床的意味・日本への含意

日本では、体外受精の胚移植において形態評価が広く用いられている一方、PGT-Aの実施には一定の制約があり、施設や周期によっては利用できない場合も少なくない。こうした状況で、AIによる胚評価は、遺伝学的検査を実施できない場面での胚の優先順位づけを補助する手段として位置づけられる可能性がある。

ただし今回の結果が示すのは、AIスコアが『正数性である確率が高い胚』をある程度絞り込めるという点であって、個々の胚について正数性か異数性かを診断できるわけではないという点である。臨床現場では、AIスコアを『この胚なら必ず正常』と読み替えるのではなく、複数の候補胚がある場合の優先順位づけを補助する参考情報の一つとして扱う必要がある。どのAIを採用するかによって優先される胚が変わりうることから、使用するアルゴリズムの選定や、訓練データ・検証結果の透明性も臨床導入の際の論点となる。

研究の強みと限界

この研究の強みは、単一施設内で標準化された条件のもと、1000個という大規模なPGT-A済み胚盤胞を用い、6種類の市販AIを同一データセットで直接比較した点にある。従来、個々のAIの性能は別々の研究・データセットで報告されることが多く、AI間の直接比較は限られていた。

一方で限界もある。後ろ向き・単一施設の研究であり、施設ごとに異なる培養条件や患者背景の影響は考慮されておらず、他施設への一般化には注意が必要である。外部データセットによる検証を伴わない単一データセットでの評価であり、過学習の可能性も否定できない。Algorithm A以外は正数性予測ではなく着床能・生存能力の予測を目的に開発されたもので、今回用いた『メーカー推奨の閾値』による分類指標は正数性の判別用に設計されたものではない。さらにAI間の順位一致度は中程度にとどまり、臨床判断が使用するアルゴリズムによって左右されうることを意味している。市販AIの多くはアルゴリズムの詳細や訓練データが非公開である点も、再現性の検証を難しくしている。

おわりに

今回の検討は、1000個のPGT-A済み胚盤胞を用いて6種類の市販AIの染色体正数性に対する判別能を直接比較したものである。いずれもAUC 0.73前後という『中程度』で横並びの判別能を示し、従来の形態評価(AUC 0.613)を上回った一方、単独で正数性・異数性を確実に見分けられる水準には至らなかった。AI間の胚順位の一致度は中程度にとどまり、使用するアルゴリズムによって優先される胚が異なりうることも示された。正数性胚に限定した移植後の着床・出産・流産といった転帰については、いずれのAIスコアも予測力を示さなかった。

今後は、複数施設・前向きデザインによる外部検証に加え、AIによる形態動態情報とcfDNAによる非侵襲的遺伝学的検査、培養液のメタボローム解析など異なる種類の情報を組み合わせた統合的なアプローチが、単独のAIが抱える性能の天井を超えられるかが、今後の検討課題として位置づけられている。

参考文献

1. Giménez-Rodríguez, C., Caparrós López-Battú, B., Bori, L., Bellver, J., Remohí, J.A., Meseguer, M.『Head-to-head comparison of six commercial artificial intelligence algorithms for embryo ploidy risk stratification in 1000 PGT-A-tested blastocysts』Reprod Biomed Online 2026;53(4):105865. doi:10.1016/j.rbmo.2026.105865.

2. Bamford, T., Barrie, A., Montgomery, S., et al.『Morphological and morphokinetic associations with aneuploidy: a systematic review and meta-analysis』Hum Reprod Update 2022;28:656-686.

3. Diakiw, S.M., Hall, J.M.M., VerMilyea, M.D., et al.『Development of an artificial intelligence model for predicting the likelihood of human embryo euploidy based on blastocyst images from multiple imaging systems during IVF』Hum Reprod 2022;37:1746-1759.

4. Zaninovic, N., Sierra, J.T., Malmsten, J.E., Rosenwaks, Z.『Embryo ranking agreement between embryologists and artificial intelligence algorithms』F S Sci 2024;5:50-57.

2026年7月30日2026年8月31日

指先から自分で採血――IVFのホルモン測定は静脈採血に匹敵した

体外受精(IVF)の卵巣刺激では、卵胞の発育状況を把握するために抗ミュラー管ホルモン(AMH)、エストラジオール(E2)、プロゲステロン(P4)の値を頻回に測定する必要があります。これらは超音波検査の所見と合わせて、採卵のタイミングや薬剤量の調整といった短時間での臨床判断に用いられる一方、頻回の採血は通院回数の増加や身体的負担につながることが指摘されてきました。

こうした負担を軽減する手段として、指先や上腕から少量の血液を採取するマイクロブレード式の自己採血デバイスが登場しています。痛みが少ないとされる一方、生殖医療でこうしたデバイスを使うには、ホルモン測定の閾値の狭さを踏まえ、静脈採血との分析的な一致度を厳密に検証する必要があります。この点を検証したのが、Reproductive BioMedicine Online誌2026年53巻4号(doi:10.1016/j.rbmo.2026.105843)に掲載された、スペインのIVIRMAグループによる多施設共同のパイロット研究です。自己採血デバイス「Tasso+」と静脈採血を同一受診でペアで採取し、AMH・E2・P4の一致度と患者の使用感を検討しています。

方法──39人のIVF患者で、指先採血と静脈採血をペアで比較した

対象は、2025年1月から9月にかけてIVIRMA Bilbao(14人)とIVIRMA Madrid(25人)でIVF治療を受けた女性39人です。閉経後の女性やホルモン避妊薬使用中の女性、採血が禁忌となる女性は除外されました。研究はバレンシアのLa Fe大学病院の倫理委員会(プロトコル番号2410-BIO-197-PR、2025年1月15日承認)の承認を得て実施され、サンプルサイズはパイロット研究の目安に基づき約30〜40組のペアデータを想定して設定されています。

同一の受診時に、訓練を受けた看護スタッフが静脈採血とTasso+(上腕装着型)による採取を行いました。両検体とも1mLを血漿に処理し、同一の免疫測定プラットフォーム(Cobas e 411、ロシュ・ダイアグノスティックス)で分析しています。ベースライン(0時間)検体は採取後20分の前処理を経て遠心分離し、安定性検討用の分注検体は4°Cで保存して24・48・72時間後に測定しました。一致度の評価にはPearson相関係数、級内相関係数(ICC)、Bland-Altman分析を、統計解析にはStata Release 18を用いています。患者の使用感は、第一印象・使いやすさ・快適さ・清潔感/衛生面・安全感・プライバシーなどの項目からなる独自の(妥当性検証を経ていない)アンケートで、1〜10点のリッカート尺度により評価されました。

指先の一滴は、静脈血に匹敵する精度を示した

全時点・全項目を通じて、Tasso+によるホルモン濃度は静脈採血と極めて高い一致を示しました。Pearson相関係数は0.948〜0.998、ICCも0.948〜0.998の範囲にあり、いずれも1に近い強い一致を意味する数値です。中でもAMHとエストラジオールは4°Cでの保存下で72時間後まで安定しており、バイアス(平均差)もわずかで、Bland-Altman分析による一致限界(LoA)も臨床判断を左右するほどの幅ではないとされています。AMHは0時間でr=0.998(95%CI 0.996〜0.999)、72時間後でもr=0.982(95%CI 0.967〜0.991)を維持し、平均差は-0.12ng/mL(95%CI -0.20〜-0.04)と小さいものでした。エストラジオールも0時間でr=0.997、72時間後でr=0.948と高い相関を保っています。

プロゲステロンだけは、24時間以内の測定が望ましい

一方、プロゲステロンには異なる傾向が見られました。24時間後はr=0.992(95%CI 0.984〜0.996)と高い一致を保ったものの、48時間後(r=0.981)、72時間後(r=0.962)と相関係数自体は高水準を維持しつつも、平均差とばらつきが時間経過とともに拡大していきました。72時間後の平均差は-0.78ng/mL(95%CI -1.16〜-0.40)、一致限界は-4.23〜2.65ng/mLに広がっています。相関係数が高いまま保たれていても、臨床判断に影響しうる程度のばらつきが生じうる点は見落とされやすいポイントです。論文はこの背景として検体処理の遅延の影響を指摘し、プロゲステロンを用いた臨床判断のためには採取後24時間以内の分析が望ましいとしています。黄体期管理や胚移植のタイミング決定など、閾値の狭い判断に用いられることが多いホルモンだけに、この時間的制約は実務上重要な意味を持ちます。

使用感の評価は、10点満点中7.80〜8.18点

患者が報告した使用感は、評価したすべての項目で好意的なものでした。全体の平均スコアは10点満点中7.80〜8.18点の範囲にあり、中でも安全と感じられるか、清潔感・衛生面、快適さの3項目で特に高い評価が得られています。監督下の臨床現場という条件下ではあるものの、デバイスの受容性の高さを示す結果です。ただし、このアンケート自体は妥当性が検証されたものではなく、有害事象や皮膚反応についても系統的な評価は行われていません。

臨床的な意味と日本の現場への含意

臨床現場では、卵巣刺激中の頻回受診が患者の負担になっていることは広く認識されています。自己採血デバイスはこうした負担を軽減しうる選択肢ですが、今回の研究が示したのはあくまで監督下の臨床環境・管理された保存条件下での分析的一致度であり、非監督下・在宅での使用を裏づけるものではありません。論文自身も、通院回数を減らしつつ検体処理と臨床的監督は保たれる、監督下または半分散型のモニタリング体制に組み込む際の基礎データと位置づけています。日本では、生殖補助医療の保険適用が進む中で通院負担が課題として認識されており、時間的制約が緩やかなAMHやエストラジオールについては冷蔵搬送を前提とした集約的な検査体制と組み合わせる運用の余地がある一方、プロゲステロンのような狭い閾値の項目では検体処理の迅速性を確保できる体制が前提になると考えられます。

研究の強みと限界

本研究の強みは、静脈血と毛細血管由来の血漿を同一の分析プラットフォームで測定し、採取方法そのものの一致度を検証する設計にした点にあります。一方で、サンプルサイズはパイロット研究としては妥当なものの一般化には限界があり、マトリックス効果の可能性も否定できません。回収率や直線性、干渉物質の検討、較正評価といった正式な分析的再検証は実施されておらず、有害事象や皮膚反応の系統的評価、使用感アンケートの妥当性検証もなされていません。また、今回の検討は監督下の臨床・検査室条件下で行われたものであり、非監督下の在宅環境や実際の輸送時の温度変化を再現したものではない点も、結果解釈のうえで重要です。

おわりに

今回のパイロット研究は、管理された臨床・検査条件下において、マイクロブレード式自己採血デバイスによるAMH・エストラジオール・プロゲステロンの測定値が静脈採血と高い一致を示すことを明らかにした。AMHとエストラジオールは4°C保存下で72時間まで安定していた一方、プロゲステロンは24時間以内の分析が望ましいことが示された。患者報告による使用感も良好であり、こうしたデバイスはIVFモニタリングにおいて標準的な採血に置き換わるものではなく、それを補完する選択肢として、今後さらに大規模な多施設研究での検証が求められる段階にある。

参考文献

1. Royo P, Pacheco A, Quintana F, Gómez-Trenor N, García-Velasco JA. 『Analytical reliability and patient experience of a microblade-based self-collection device for reproductive hormone monitoring: a paired-sample pilot study』Reproductive BioMedicine Online 2026;53(4):105843. doi:10.1016/j.rbmo.2026.105843

2. Burke EE, Beqaj S, Douglas NC, Luo R. 『Concordance of fingerstick and venipuncture sampling for fertility hormones』Obstet Gynecol 2019;133:343-348.

3. Koo TK, Li MY. 『A guideline of selecting and reporting intraclass correlation coefficients for reliability research』J Chiropr Med 2016;15:155-163.

4. Lattin MT, DiBianco LP, Holcomb Z, et al. 『Painless, needle-free capillary blood collection for fertility hormone monitoring』Fertil Steril 2025;124:1124-1126.

2026年7月27日2026年8月31日

同じ患者の卵を分けて比較──タイムラプス培養は胚の質を確かに押し上げる

体外受精(IVF)や顕微授精(ICSI)で得られた胚をどのように育てるかは、妊娠成績を左右しうる要素のひとつです。従来の培養器では、発育の様子を確認するために胚を1日1回程度取り出す必要があり、その間の温度や気体組成の変動が発育に影響する可能性が指摘されてきました。近年普及が進むタイムラプス培養器は、胚を庫内に置いたまま連続的に画像を撮影できるため、こうした環境変動を避けながら、受精確認や卵割のタイミングといった従来は捉えられなかった発育情報を得られる利点があります。

タイムラプス培養については、良好胚盤胞率や妊娠率が向上したとする報告がある一方、有意差が見られなかったとする報告もあり、その臨床的な価値には議論が続いてきました。特に、患者ごとに卵巣刺激への反応や卵子の質が異なるため、通常の比較研究では培養器の違いそのものの効果を、患者背景の違いから切り離して評価することが難しいという課題がありました。

こうした背景のもと、Reproductive Medicine and Biology誌(2026年)に、日本国内の3施設が参加した前向き多施設共同研究が掲載されました。同一患者から得られた「きょうだい卵子」を、従来型の培養器とタイムラプス培養器に無作為に振り分けて比較するという手法により、患者背景の影響を排除したうえで培養環境の効果を検証した内容です(doi:10.1002/rmb2.70077)。

方法──同じ患者の卵子を、二つの培養法に分けて追跡した

対象は、2022年4月から2023年12月にかけて、JISART(日本生殖補助医療標準化機関)に加盟する3施設で初めて採卵を受けた患者です。書面での同意が得られ、かつ成熟卵子(MII期)が4個以上採取された205周期が最終的な解析対象となりました。

各患者から得られた成熟卵子は、体外受精・顕微授精のいずれの方法で受精させた場合も、交互配分という手順によって従来型の培養器群とタイムラプス培養器群に1対1の割合で無作為に割り振られました。割り付けは胚培養士による形態評価が行われる前に完了しており、判定者・患者ともにどちらの培養器で育った胚かを知らされない盲検の状態で、移植する胚が選ばれました。

解析対象となった成熟卵子は合計3,244個で、従来型培養器群に1,607個、タイムラプス培養器群に1,637個が割り振られました。受精確認は精子と接触させてから17±1時間後に行われ、前核が2つ見える卵子(2PN)を正常受精と判定しました。発育段階ごとの胚の質はガードナー分類などの基準で評価され、少なくとも2名の胚培養士が独立して判定しました。

Day2の良好胚が42.1%対35.3%──胚盤胞の質にも差

正常受精率(2PN率)は、従来型培養器群で77.7%(1,248/1,607)、タイムラプス培養器群で76.6%(1,254/1,637)とほぼ同等で、統計学的な有意差はありませんでした(p=0.47)。受精そのものが起こるかどうかには、培養器の違いはほとんど影響しないという結果です。

一方、受精から2日目における良好胚(4細胞以上かつ断片化20%未満)の割合は、タイムラプス培養器群で42.1%(528/1,254)、従来型培養器群で35.3%(440/1,248)となり、タイムラプス培養器群のほうが有意に高い結果でした(p<0.01)。数値でみると、およそ7ポイントの差があったことになります。ただし、4細胞期に到達した胚の割合そのものには両群で差がなく(55.7%対55.2%、p=0.82)、タイムラプス培養が発育のスピードそのものを速めたわけではないことがうかがえます。

胚盤胞まで培養を延長した胚(従来型群998個、タイムラプス群1,065個)についても、胚盤胞に到達する割合自体には有意差がなかった一方(68.2%対66.7%、p=0.49)、良好な質の胚盤胞に育った割合は、タイムラプス培養器群で44.1%(470/1,065)、従来型培養器群で38.1%(380/998)と、タイムラプス培養器群のほうが有意に高くなっていました(p<0.01)。これらの結果は、タイムラプス培養が胚の発育「量」よりも、発育の「質」を押し上げる方向に働いている可能性を示しています。

妊娠率は数値上高い傾向、ただし統計的には未確定

本研究は良好胚盤胞率を主要評価項目として統計学的な検出力が設計されており、妊娠率などの臨床的な成績は探索的な副次評価項目という位置づけです。この点を踏まえたうえで、実際の妊娠成績を見ていきます。

新鮮胚移植の臨床妊娠率は、タイムラプス培養器群で44.4%(4/9)、従来型培養器群で15.8%(3/19)と、数値上はタイムラプス培養器群で高い傾向がみられましたが、症例数が少なく統計学的な有意差には至りませんでした(p=0.16)。凍結融解胚移植(FET、361周期)においても、臨床妊娠率はタイムラプス培養器群で45.3%(92/203)、従来型培養器群で36.7%(58/158)と高い傾向が見られたものの、こちらも有意差はありませんでした(p=0.1)。

患者内での複数周期の相関を調整した統計モデル(一般化推定方程式)による解析では、FET全体でみるとタイムラプス培養器の使用は妊娠率の有意な上昇とは関連しませんでした(調整オッズ比1.44、95%信頼区間0.92〜2.24)。しかし、胚盤胞移植に限って解析すると、年齢・BMI・喫煙状況・不妊診断名で調整した後、タイムラプス培養器群のほうが妊娠に至る可能性がおよそ2倍高いという結果が得られました(調整オッズ比1.99、95%信頼区間1.02〜3.87)。これは、胚盤胞まで培養を延長する周期において、タイムラプス培養の恩恵がより明確に表れる可能性を示唆する結果です。

培養器に入れるタイミングが、成績を左右する

本研究では、タイムラプス培養器の連続観察によって、前核が消失するタイミング(受精の目印が見えなくなる時点)が、最も早い例で受精後14時間であったことが確認されました。この結果から、研究チームは、正常な受精イベントを見逃さないためには、受精後13時間以内には卵子をタイムラプス培養器に投入することが望ましいと提案しています。培養器に入れる時間が遅れるほど、受精の判定に必要な情報を取りこぼすリスクが高まることになります。

また、従来型培養器群では16個(1.0%)の卵子で、受精確認の時点で前核が確認できず「受精未確定」に分類されましたが、タイムラプス培養器群ではこうした未確定例は1件もありませんでした。これらの未確定卵子のうち胚盤胞まで培養を延長した15個では、66.7%が胚盤胞に到達し、46.7%が良好胚盤胞へと発育しており、通常の受精卵と同程度の発育能力を持っていたことになります。連続観察によって、こうした「見た目には受精確認できないが実際には正常受精している胚」を移植候補として活かせる可能性が示された形です。

最初の分裂パターンが、その後の発育を予測する

タイムラプス培養によって、受精卵が最初に1個から2個の細胞に分かれる「第一分裂」の様子を詳しく観察することができます。研究チームは、正常な分裂(1個から2個へ)を示した胚(全体の81.5%)に加えて、分裂後5時間以内にさらに3個以上に分かれてしまう「連続的な異常分裂」(11.0%)と、最初から一気に3個以上に分裂する「直接的な異常分裂」(7.5%)の3群に分類しました。

良好胚盤胞へ到達する割合は、正常分裂群で51.5%であったのに対し、連続的異常分裂群では28.3%、直接的異常分裂群ではわずか2.1%にとどまり、いずれも正常分裂群より有意に低い結果でした(p<0.01)。異常な分裂パターンを示した胚は、たとえ胚盤胞まで発育したとしても、質の面で見劣りする可能性が高いことが、連続観察によって初めて具体的な数値として示されたことになります。ただし、こうした異常分裂の背景には、染色体の分配異常だけでなく、染色体そのものには問題がなくても細胞分裂の仕組み自体に乱れが生じているケースも含まれる可能性が、近年の関連研究から指摘されています。

日本の生殖医療現場にとっての意味

日本では、タイムラプス培養器の導入が施設によって異なり、受精確認や胚評価の運用にもばらつきがあるとされています。今回の結果は、同一患者内で培養条件をそろえた比較という、これまでの研究より内的妥当性の高い手法によって、タイムラプス培養がDay2の良好胚率や良好胚盤胞率を確実に押し上げることを示した点で意義があります。

臨床現場では、胚盤胞移植を予定している患者において、タイムラプス培養を選択する意義がより大きい可能性があります。一方で、新鮮胚移植や胚移植あたりの妊娠率そのものについては、今回のデータだけでは統計学的に確定的な結論を出すには至っておらず、生児出生率や新生児の長期予後まで含めた評価は今後の課題として残されています。培養器への投入タイミングについても、受精後13時間以内という具体的な目安が示されたことは、日々の培養室運用を見直すうえでの参考情報になり得ます。

研究の強みと限界

本研究の強みは、同一患者からの「きょうだい卵子」を無作為に2群へ配分するデザインを採用した点にあります。これにより、年齢や卵巣予備能、刺激プロトコルといった患者ごとの背景因子を両群で完全にそろえたうえで、培養環境そのものの効果を評価することができました。従来の患者間比較を中心とした研究の限界を克服する設計といえます。

一方で限界もあります。第一に、複数施設が参加したことで、施設ごとの検査手技や胚評価基準に一定のばらつきが生じた可能性があります。第二に、対象が初回採卵の患者に限られており、反復着床不全や難治性不妊の患者への結果の当てはめには注意が必要です。第三に、新鮮胚移植の症例数が19例・9例と少なく、妊娠率の比較における統計学的な検出力は限定的でした。第四に、本研究は良好胚盤胞率を主要評価項目として設計されており、妊娠率や生児出生率については探索的な結果にとどまるため、今後の大規模研究による検証が必要とされています。

おわりに

今回の研究は、同一患者由来のきょうだい卵子を用いた前向きデザインにより、タイムラプス培養が良好胚率・良好胚盤胞率を有意に押し上げることを、これまでより高い精度で示しました。臨床妊娠率についても数値上は向上する傾向が一貫して見られており、特に胚盤胞移植では統計学的にも有意な関連が確認されています。ただし、生児出生率や新生児の長期予後への影響を確定づけるには、さらなる大規模研究が必要とされています。今回の知見は、タイムラプス技術を単なる観察ツールにとどめず、培養室の運用そのものを見直すデータ駆動型の材料として活用していくうえでの土台になり得るものです。

参考文献

1. Mio Y, Kuramoto T, Utsunomiya T, Jwa SC, Yumoto K, Tsounapi P. Time-Lapse Culture Improves Development and Pregnancy Outcomes of Sibling Normally Fertilized Oocytes: A Prospective Multicenter Study. Reprod Med Biol 2026;25:e70077. doi:10.1002/rmb2.70077.

2026年7月26日2026年8月31日

男性不妊AIは「当たる」より「説明できる」──臨床実装へのロードマップ

男性不妊の診療は、扱う情報量が非常に多い領域です。精液検査の各種パラメータ、ホルモン値、超音波所見、遺伝学的検査結果、パートナー側の因子、これまでの治療歴、そして患者本人の希望まで、考慮すべき情報は多岐にわたります。近年、この領域に人工知能(AI)を活用する動きが広がっており、精液画像の解析、精子回収の予測、精子選別の支援、体外受精のワークフロー支援など、応用範囲は着実に広がりつつあります。

一方で、「AIを導入するかどうか」は、すでに議論の中心ではなくなりつつあります。むしろ問われているのは、男性不妊診療の質を支えてきた標準化された手順を損なうことなく、AIをどのように取り入れるかという点です。この課題を整理し、実装のための現実的な道筋を提案した論文が、Andrology誌(2026年)に掲載されました(doi:10.1111/andr.70334)。

この論文は、精液検査という診療の基盤を起点に、外部検証を経た予測ツール、そして患者と医師がともに判断する「共有意思決定」へと段階的にAIを組み込んでいくための、5つの原則と4段階のロードマップを提示しています。

精液検査を置き換えるのではなく、支えるためのAI

第一の原則として挙げられているのは、精液検査を「イノベーションの犠牲」にしないという考え方です。WHO精液検査マニュアル第6版は、標準化された検査手法、精度管理、検査間の比較可能性を重視しています。精子の画像や動画をもとに学習したAIツールは、精子濃度、運動率、形態の評価を支援できますが、検体の取り扱いが不適切であったり、機器の校正が不十分であったり、報告の記載が曖昧であったりする問題そのものを補うことはできません。入力データの質が一貫していなければ、AIはその不一貫性をそのまま拡大してしまいます。

そのため、男性不妊領域でのAI検証は、禁欲期間の定義、処理時間の記録、精度管理の手順、検査担当者の訓練、そして臨床医と患者の双方に理解できる報告様式といった、検査前・検査時の質を整えることから始める必要があるとされています。ヨーロッパ泌尿器科学会(EAU)の最新ガイドラインも、精液パラメータを単独の数値としてではなく、より広い泌尿器科的・生殖医療的評価の一部として位置づけています。

判断根拠を「見える化」する──説明可能性という考え方

第二の原則は、説明可能性(explainable AI)です。モデルの挙動を臨床医、検査技師、患者にとって解釈可能にする手法として、どの変数が予測に最も影響したかを示す「特徴量重要度」、個々の予測に対する各変数の寄与を推定する「SHAP」、複雑なモデルの挙動を個別症例のまわりで近似する「LIME」、画像のどの領域が判断に寄与したかを示す「サリエンシーマップ」といった手法が紹介されています。

こうした手法を用いれば、精子回収の予測が卵胞刺激ホルモン値や精巣容積、過去の組織所見、遺伝学的所見のどれに基づいているのか、あるいは画像ベースの精液解析ツールが精子頭部や尾部、デブリ、アーチファクトのどこに注目しているのかを確認できます。ただし、こうした説明はモデルの正しさを証明するものではなく、あくまで不自然な推論を検出し、臨床医によるレビューを支援し、カウンセリングの透明性を高めるための手がかりとして位置づけられています。

「当たる」だけでは足りない──臨床現場に組み込むための条件

第三の原則は、臨床現場への統合です。男性不妊の診療では、精索静脈瘤手術、薬物療法、精子回収術、子宮内人工授精、顕微授精、非配偶者間生殖医療のカウンセリングなど、感情的にも経済的にも負担の大きい選択肢が並びます。こうした場面では、確率だけを示すブラックボックス型のAIでは不十分だと指摘されています。

臨床的に有用なAI出力には、想定している対象集団、入力変数、不確実性の程度、禁忌となる条件、判断の閾値が明示されている必要があります。さらに、開発時のデータ集団と異なる患者や、検査手法が訓練データと大きく異なる施設では、その結果を用いるべきでない場面も明確にしておく必要があるとされています。

誰がAIを監督するのか──ガバナンスと規制の枠組み

第四の原則はガバナンスです。診断、予後予測、トリアージ、治療選択に関わるAIは、管轄によっては医療機器ソフトウェア(SaMD)や関連する臨床意思決定支援の規制対象となり得ます。臨床試験報告のためのCONSORT-AI、試験プロトコルのためのSPIRIT-AI、予測モデル研究のためのTRIPOD+AI、そしてリスク管理・バージョン管理・人による監督・市販後モニタリングに関する医療機器の要件など、開発と評価を既存の報告・規制枠組みに沿わせることが求められています。欧州では、医療目的で用いられるAIソフトウェアがEU AI Actのもとで高リスクに分類されうることも指摘されており、データの質、透明性、リスク低減、人による監督に関する要件を満たす必要があるとされています。

こうしたガバナンスがなければ、モデルがいつ更新されたのか、どのようなデータで訓練されたのか、欠損データがどう扱われているのか、年齢や民族的背景、地域、禁欲期間、精液所見によって性能が変わらないかといった点が不透明なままになり、アルゴリズムへの過信がバイアスを覆い隠しかねません。男性不妊は社会的なスティグマからすでに受診が遅れがちな領域であり、開発時とは異なる集団に基づく推奨がそのまま適用されれば、格差を広げるおそれがあると警鐘が鳴らされています。

生殖医療データの繊細さと、公平性という課題

第五の原則は、プライバシーと公平性です。生殖医療に関するデータは、不妊の診断、性生活や生殖に関する既往、遺伝学的リスク、内分泌の状態、治療の選択といった機微な情報を含んでいます。AIのパイプラインには、識別可能な情報を最小限にとどめること、データへのアクセスを適法な範囲に限定すること、同意やガバナンスの手続きを文書化すること、画像や検査のメタデータを保護することが求められます。

バイアスの問題も同様に重要です。単一の施設、単一の機器、限られた民族的・地理的・社会経済的背景の集団で訓練されたモデルは、他の環境にそのまま一般化できるとは限りません。そのため、性能はあらかじめ意味のある部分集団ごとに報告され、実際の導入先でも再検証される必要があるとされています。

精液検査の質の担保から、共有意思決定へ──4段階のロードマップ

これら5つの原則をふまえ、実装のための4段階のロードマップが提案されています。第1段階は、WHOに準拠した検査室の質の支援であり、標準化された評価、アーチファクトの検出、施設内での精度管理モニタリングが含まれます。第2段階は、外部検証を経た予測ツールの評価であり、キャリブレーションと不確実性の定量化、部分集団ごとの性能検証が求められます。第3段階は、説明可能な出力を共有意思決定に組み込む段階であり、患者を中心としたカウンセリングと臨床医によるレビューが軸になります。第4段階は、プライバシー保護、バイアスのモニタリング、規制との整合性を含むガバナンスと監査です。

各段階には、患者向けの説明、臨床医による最終判断の余地、導入後の前向きなモニタリング、そして良好な結果だけでなく否定的な結果の公表も含まれるべきだとされています。

近い将来、実装が見込まれる3つの応用

慎重に導入すれば近い将来に有望とみられる応用例も挙げられています。第一は、精液画像解析によるAI支援です。境界域にある運動率の推定にフラグを立てたり、アーチファクトの可能性を検出したり、画質の低い視野の見直しを促したりすることで、検査の一貫性を高めうるとされていますが、検査室での人による監督は維持される前提です。

第二は、非閉塞性無精子症における精子回収の予測モデルであり、変数の寄与を透明にしたうえで外部検証を経ていれば、臨床医の判断に代わるのではなく、カウンセリングを支える形で活用できる可能性があるとされています。第三は、体外受精のワークフローにおける精子選別や胚培養室での意思決定支援ですが、この応用については、臨床的なエンドポイントの設定、データセットの偏りへの配慮、患者中心の説明がとくに重要だと述べられています。

日本の生殖医療現場にとっての意味

日本の生殖医療の現場でも、精液検査へのAI活用や、体外受精・顕微授精における精子選別支援への関心は徐々に高まりつつあります。今回示された枠組みは、こうした技術を導入する際に、まず検査の標準化と精度管理を土台に据え、外部検証を経ていない段階でモデルを臨床判断に直結させないという順序を意識するうえで参考になります。

とくに、男性不妊は日本国内でも受診や検査が後回しにされやすい領域であり、限られた集団で開発されたモデルがそのまま適用された場合の格差拡大への懸念は、国内の議論にも共通する論点です。AIの導入を検討する施設や臨床医にとっては、モデルがどの集団で開発され、どの範囲で検証されているかを確認したうえで、患者への説明とカウンセリングに組み込んでいく姿勢が求められると考えられます。

研究の強みと限界

本稿の意義は、男性不妊領域に散在するAI関連の議論を、精液検査の質、説明可能性、臨床統合、ガバナンス、プライバシーと公平性という5つの原則に整理し、4段階の実装ロードマップとして提示した点にあります。

一方で、限界もあります。本稿は新たなデータを収集・解析したものではなく、単著による専門的見解(Perspective)であり、系統的レビューのような網羅的な文献検索の手続きを経たものではありません。また、提案されている原則やロードマップ自体は、今後、実際の臨床導入を通じた前向きな検証が必要な段階にとどまっています。

おわりに

今回の論文は、男性不妊診療におけるAIの臨床的価値が、アルゴリズムの目新しさよりも、説明可能性、ガバナンス、そして既存のアンドロロジー診療への安全な統合によって左右されるという立場を示しています。AIが精液検査、泌尿器科的評価、患者中心のカウンセリングを「置き換える」のではなく「支える」ものとして位置づけられ、透明性のある報告と現場ごとの検証を伴って導入されれば、診療のばらつきを減らし、意思決定の質を高める可能性があるとされています。逆に、こうした基盤を欠いたまま拙速に導入されれば、男性患者と臨床医、そして意味のある生殖医療とのあいだに、新たな不透明な層を生み出しかねないとも指摘されています。

参考文献

1. Škudar S. “Explainable AI in Male Infertility: A Clinical Roadmap for Shared Decision-Making.” Andrology 2026;0:1-3. doi:10.1111/andr.70334.

2. Naik N, Roth B, Lundy SD. “Artificial Intelligence for Clinical Management of Male Infertility, a Scoping Review.” Current Urology Reports 2024;26(1):17. doi:10.1007/s11934-024-01239-z.

3. Qaderi K, Sharifipour F, Dabir M, et al. “Artificial Intelligence (AI) Approaches to Male Infertility in IVF: A Mapping Review.” European Journal of Medical Research 2025;30:246. doi:10.1186/s40001-025-02479-6.

4. World Health Organization. WHO Laboratory Manual for the Examination and Processing of Human Semen, 6th ed. World Health Organization, 2021.

5. Minhas S, Boeri L, Capogrosso P, et al. “European Association of Urology Guidelines on Male Sexual and Reproductive Health: 2025 Update on Male Infertility.” European Urology 2025;87(5):601-616. doi:10.1016/j.eururo.2025.02.026.

6. Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK, SPIRIT-AI and CONSORT-AI Working Group. “Reporting Guidelines for Clinical Trial Reports for Interventions Involving Artificial Intelligence: The CONSORT-AI Extension.” Nature Medicine 2020;26:1364-1374. doi:10.1038/s41591-020-1034-x.

7. Cruz Rivera S, Liu X, Chan AW, et al. “Guidelines for Clinical Trial Protocols for Interventions Involving Artificial Intelligence: The SPIRIT-AI Extension.” Nature Medicine 2020;26:1351-1363. doi:10.1038/s41591-020-1037-7.

8. Collins GS, Dhiman P, Andaur Navarro CL, et al. “TRIPOD+AI Statement: Updated Guidance for Reporting Clinical Prediction Models That Use Regression or Machine Learning Methods.” BMJ 2024;385:e078378. doi:10.1136/bmj-2023-078378.

9. U.S. Food and Drug Administration, Health Canada, Medicines and Healthcare Products Regulatory Agency. “Good Machine Learning Practice for Medical Device Development: Guiding Principles.” U.S. FDA, accessed July 11, 2026.

10. European Commission. “Artificial Intelligence in Healthcare.” European Commission, accessed July 11, 2026.

2026年7月23日2026年8月31日

不妊患者の「人づきあいの回避」を予測する──機械学習が浮かび上がらせた5つの要因

不妊は世界的に見て珍しい問題ではなく、世界保健機関(WHO)の報告では生殖年齢にある人々の8〜12%が経験するとされています。長期にわたる検査や治療の過程では、身体的な負担に加えて、周囲との関係にも変化が生じやすいことが指摘されてきました。妊娠や出産の話題を避けるようになったり、友人や親族との交流そのものを控えるようになったりする傾向は、「人づきあいの回避と苦痛(social avoidance and distress、以下SAD)」と呼ばれ、不妊患者の心理的な課題のひとつとして近年注目されています。

SADがどのような要因と関連して生じるのかを、機械学習の手法を用いて検証した研究が、Journal of Psychosomatic Obstetrics & Gynecology誌(2026年)に掲載されました(doi:10.1080/0167482X.2026.2699110)。中国の医療機関で実施された後方視的研究で、205人の不妊患者を対象に、LASSO回帰とXGBoostという性質の異なる2つの機械学習アルゴリズムでリスク因子を絞り込み、その上でロジスティック回帰によって独立した関連因子とその予測力を検証した内容です。

方法──205人の不妊患者を、DSM-5-TR基準でSAD群と非SAD群に分けた

対象は、2022年10月から2025年7月にかけて、単一の医療機関で不妊の診断・治療を受けた205人です。全員が同じ精神科医チームによる構造化面接を受け、精神疾患の診断基準であるDSM-5-TRの基準に基づいてSADの有無が判定されました。この結果、SAD群93人、非SAD群112人に分けられています。年齢、教育歴、居住地、世帯収入などの基本情報に加え、不妊にまつわるスティグマ(負の烙印感)を測る「不妊スティグマ尺度(ISS)」、自尊感情を測る「ローゼンバーグ自尊感情尺度(SES)」、心理的な回復力を測る「コナー・デビッドソン・レジリエンス尺度(CD-RISC)」、家族や友人との関係の質を測る「社会関係の質尺度(SRQS)」という4つの心理尺度が用いられました。

統計解析では、まず単変量解析で2群間に差のある項目を洗い出し、その中からLASSO回帰(変数どうしの相関を調整しながら重要な因子に絞り込む手法)と、XGBoost(非線形の関係やより複雑なパターンをとらえる機械学習手法)という2種類のアルゴリズムを並行して用い、双方に共通して選ばれた因子だけを最終的な候補としました。その候補をロジスティック回帰に投入して独立したリスク因子・保護因子を特定し、さらにROC曲線(受信者操作特性曲線)を用いて、それぞれの因子が単独でSADをどの程度予測できるかを評価しています。

教育歴や収入も関係はしていたが、最終的に残った因子は5つだけだった

単変量解析の段階では、年齢、教育歴、居住地(都市部か農村部か)、世帯月収、ISS、SES、CD-RISC、SRQSのすべてでSAD群と非SAD群のあいだに統計学的な差が見られました(いずれもP<0.05)。しかし、LASSO回帰とXGBoostの両方を通して重要度を評価した結果、教育歴・居住地・世帯月収の3項目は、XGBoostにおける重要度がいずれも10%未満(教育歴7.02%、居住地5.38%、世帯月収6.67%)にとどまり、最終モデルからは除外されました。ほかの心理指標と重なる部分が大きく、独立した予測力としては相対的に弱かったためと考えられています。

最終的に、年齢、ISS、SES、CD-RISC、SRQSの5つが、2つの機械学習アルゴリズムの双方から共通して選ばれた因子となりました。

加齢1歳ごとにリスクは33%上昇、自尊感情の高さはリスクを下げる

ロジスティック回帰分析の結果、年齢(オッズ比1.333、95%信頼区間1.159〜1.533)とISSスコア(オッズ比1.101、95%信頼区間1.056〜1.148)はSADのリスクを高める因子でした。年齢が1歳上がるごとにSADのオッズが33.3%上昇する計算になります。一方、SESスコア(オッズ比0.726、95%信頼区間0.644〜0.818)、CD-RISCスコア(オッズ比0.876、95%信頼区間0.826〜0.929)、SRQSスコア(オッズ比0.863、95%信頼区間0.794〜0.938)は、いずれもSADのリスクを下げる保護因子として働いていました。自尊感情や心理的な回復力、周囲との関係の質が高いほど、人づきあいを回避する傾向が抑えられていたことになります。モデルの当てはまりの良さを示すHosmer-Lemeshow検定でもχ²=4.091、P=0.849と、良好な適合が確認されています。

ただし年齢のオッズ比については注意が必要です。今回の対象集団は生殖年齢に絞られており、SAD群の平均年齢が31.11±3.38歳、非SAD群が28.75±3.02歳と、年齢の分布そのものが比較的狭い範囲に集中していました。狭い年齢幅の中での1歳の違いが大きなオッズ比として表れた可能性があり、論文中でもこの点は今後の課題として挙げられています。

AUC 0.69〜0.72──単独の指標では「確実な予測」にはならない

ROC曲線による評価では、年齢・ISS・SES・CD-RISC・SRQSのAUC(曲線下面積)は、それぞれ0.694、0.710、0.719、0.723、0.700でした。AUCは0.5であれば偶然と変わらず、1.0に近いほど予測力が高いとされる指標です。今回の値はいずれも0.6を上回るものの、0.7台前半にとどまり、低〜中程度の予測力と位置づけられています。裏を返せば、これらの指標のどれか1つだけでSADのハイリスク者を確実に見分けることは難しく、複数の指標を組み合わせた評価が必要であることを示す結果でもあります。

背景にある心理的なメカニズム

論文では、それぞれの因子がSADに関わる背景についても考察が加えられています。不妊に伴うスティグマ(ISS)が強い患者ほど、自分を「不完全な存在」ととらえやすく、他者からの否定的な評価や詮索を避けるために、家族や友人との交流そのものを控えるようになりやすいと説明されています。自尊感情(SES)は、こうした否定的な自己評価を和らげる緩衝材としての役割が指摘されており、自尊感情が高い患者は、妊娠・出産以外の場面でも自分の価値を見いだしやすく、周囲に助けを求めることへの抵抗も少ない傾向があるとされます。心理的な回復力(CD-RISC)が低い患者は、社会的な場面での些細な失敗を人間関係の破綻のように過大に受け止めやすく、それが対人場面への回避につながりやすいことも述べられています。そして家族や友人との関係の質(SRQS)は、困ったときに助けを求められるかどうかに直結しており、関係の質が乏しいほど内面を打ち明けにくく、孤立が進みやすいと考察されています。

提案された「ナラティブ・ナーシング」という枠組み

今回明らかになったリスク因子・保護因子をふまえ、論文では「ナラティブ・ナーシング」と呼ばれる看護介入の枠組みも提案されています。患者との信頼関係づくりに始まり、患者が不妊にまつわる体験や感情を語る場を設け(externalization)、周囲からどう見られていると感じているかを対話の中で整理し(deconstruction)、前向きな認知の再構築を促し(rewriting)、配偶者を交えた心理的サポートや、闘病日記やピアサポートのグループを通じて社会的なつながりを広げていく、という段階的な構成になっています。ただし、この枠組みはあくまで今回の研究結果から導かれた理論的な提案であり、臨床での実施や効果検証はまだ行われていません。

日本の不妊治療現場にとっての意味

日本の生殖医療の現場でも、心理的なサポートの必要性は以前から指摘されてきましたが、どの患者を優先的に支援すべきかを見極める客観的な指標は十分に整理されているとは言えません。今回の研究は、年齢、スティグマの強さ、自尊感情、心理的な回復力、周囲との関係の質という5つの観点が、心理的なスクリーニングの手がかりになり得ることを示しています。ただし、対象は中国の単一施設のデータであり、家族観や不妊に対する社会的な受け止め方には文化差があることから、日本の患者にそのまま数値を当てはめることには慎重さが求められます。診察や問診の中で、こうした心理的側面に目を向けること自体の重要性を示すデータとして受け止めるのが実際的だと考えられます。

研究の強みと限界

本研究の強みは、単変量解析だけでなく、性質の異なる2つの機械学習アルゴリズムを組み合わせて変数を絞り込み、多重共線性の影響を抑えながら因子を特定した点にあります。診断についても、担当医の主観に頼らず、DSM-5-TRの基準に基づく構造化面接で統一的に判定されています。

一方で限界も少なくありません。第一に単一施設の後方視的研究であり、一般化には限界があります。第二に、臨床データが完全にそろっている患者のみを対象としているため、選択バイアスの可能性が残ります。第三に、横断的なデータであるため、これらの因子とSADのあいだに因果関係があるとまでは言えず、あくまで関連が示されたにとどまります。第四に、前述の通り年齢のオッズ比は狭い年齢分布に影響された可能性があり、論文では今後5歳刻みなどのカテゴリ化を用いた検証が必要と述べられています。第五に、SRQS(社会関係の質)の項目にはもともと人づきあいの回避に関する内容が含まれており、予測因子と評価対象(SAD)の内容が一部重なることで、結果の解釈に循環的な要素が入り込む可能性も指摘されています。さらに、今回示された予測モデルは外部データによる検証を経ておらず、実際のスクリーニングツールとして使うにはさらなる検証が必要とされています。

おわりに

今回の研究は、不妊患者における人づきあいの回避と苦痛(SAD)について、年齢・スティグマ・自尊感情・心理的回復力・社会関係の質という5つの因子が独立して関連することを、2種類の機械学習アルゴリズムを組み合わせた手法で示したものです。それぞれの因子の予測力は単独では中程度にとどまり、この結果だけでハイリスク者を確実に見分けられるわけではありませんが、心理的な評価を診療プロセスに組み込む意義を裏づけるデータといえます。今後は多施設・前向き・大規模なデザインでの追試や、外部データによるモデルの検証、そして提案されたナラティブ・ナーシングの枠組み自体の効果検証が課題として残されています。

参考文献

1. Zhao S, Zhang S, Han W, Bian Y, Yue R. Analysis of influencing factors for social avoidance and distress among infertile patients based on LASSO and XGBoost algorithms. J Psychosom Obstet Gynaecol 2026;47(1):2699110. doi:10.1080/0167482X.2026.2699110.

2026年7月23日2026年8月31日

卵管の通り具合をAIが判定──子宮卵管造影の自動分類、その実力と限界

卵管性不妊は女性不妊の25〜35%を占め、生殖年齢にあるカップルのおよそ15%が何らかの不妊を経験するとされています。卵管の通過性と子宮腔の形態を評価する検査として第一選択とされているのが、子宮卵管造影(HSG)です。米国だけでも年間およそ50万件のHSGが実施されており、頻用される検査である一方、その読影には相応の熟練が求められます。

蛍光透視下の画像はコントラストが低く、疎通・部分的な狭窄・完全閉塞を見分けることは容易ではありません。卵管閉塞に対するHSGの感度は読影者の経験によって65〜93%、特異度は83〜99%と幅があることが報告されており、施設や地域によって診断の質にばらつきが生じやすいという課題があります。

こうした背景から、深層学習を用いた画像分類の応用が医療画像の各分野で進められています。今回、YOLO11という物体検出・分類アーキテクチャを用いてHSG画像の卵管疎通状態を自動分類する試みが、Scientific Reports誌(2026年)に掲載されました。臨床現場で実際に使われている装置に付随する解析ツールではなく、研究段階のモデルを対象に、その分類精度と限界を検証した内容です(doi:10.1038/s41598-026-62943-z)。

方法──892枚のHSG画像を、4つのモデルで分類した

対象は、Mendeley Dataリポジトリで公開されている、不妊症評価を受けた患者由来の実臨床HSG画像892枚です。3名の専門医(board-certified radiologist)が、それぞれの画像を「両側疎通」「両側閉塞」「片側疎通」「両側部分疎通」の4カテゴリーに分類してラベル付けしました。データは訓練用662枚、検証用146枚、テスト用84枚に分割されています。

画像はいずれも224×224ピクセルに標準化され、訓練時にはコントラストの揺らぎや患者の体位差を模した色調・回転・反転などの水増し処理(データオーグメンテーション)が施されました。検証・テスト時にはこうした加工は行われていません。

分類モデルとしては、比較的新しいYOLO11の小型版(YOLO11s、パラメータ数約540万)を主軸に、旧世代のYOLOv8n(約140万パラメータ)、画像認識で広く使われるResNet50(約2,560万パラメータ)、軽量アーキテクチャのEfficientNetB0(約530万パラメータ)の計4モデルが同一条件下で訓練・比較されました。

正答率76%、パラメータ数はResNet50の5分の1以下

テストデータ84枚における全体の正答率(Top-1accuracy)は、YOLO11sが76.0%で、旧世代のYOLOv8n(67.12%)を8.88ポイント上回りました。EfficientNetB0(76.19%)とはほぼ同水準で、ResNet50(75.0%)をも上回る結果でしたが、YOLO11sのパラメータ数はResNet50のおよそ5分の1(540万 vs 2,560万)にとどまっています。

1枚あたりの推論速度はYOLO11sが19.98ミリ秒で、リアルタイム処理の目安とされる30ミリ秒/枚を十分に下回る速さでした。モデルサイズの小ささと処理速度の速さは、将来的に画像取得直後の現場での活用を見据えた際の利点といえます。

「片側疎通」は9割超の再現率、「両側閉塞」は0%

ただし、全体の正答率だけでは見えてこない偏りが、クラスごとの成績には明確に表れていました。訓練データ662枚のうち66.1%(441枚)を占めていた「片側疎通」については、F1スコア(適合率と再現率を統合した指標)0.83、再現率(見逃しの少なさを示す指標)0.96という高い成績でした。訓練データの14.6%(121枚)を占めた「両側部分疎通」もF1スコア0.84と良好でした。

一方、訓練データにおいてそれぞれ6.0%(40枚)、9.1%(60枚)しか含まれていなかった「両側疎通」と「両側閉塞」については、F1スコアがいずれも0.00という結果でした。テストセットに含まれていた両側閉塞6例、両側疎通8例は、すべてが誤って「片側疎通」と分類されていたことが、混同行列の解析で示されています。

両側閉塞は両方の卵管が閉塞している状態を指し、体外受精(IVF)への移行など治療方針に直結する重要な所見です。この所見を見逃す(偽陰性となる)ことは、妊娠の見込みが低い人工授精(IUI)を漫然と継続させ、適切なIVFへの紹介を遅らせるリスクにつながりうると論文は指摘しています。

原因は「データの偏り」──損失関数を変えても解決せず

この偏りの主因として挙げられているのが、訓練データにおけるクラス間の不均衡です。片側疎通が66%を占める一方、両側疎通はわずか6%しかなく、モデルが多数派クラスへと予測を偏らせる「事前確率」を学習してしまったと考えられています。

査読者からの指摘を受け、逆頻度に基づいてクラスごとに重みづけした損失関数(class-weighted loss)を用いてYOLO11sを再訓練する追加実験も行われました。しかし、全体の正答率はむしろ71.43%に低下し、両側閉塞・両側疎通のF1スコアは依然として0.00のままでした。この結果は、少数派クラスの成績の低さが損失関数の選び方の問題ではなく、テストデータそのものの少なさ(両側閉塞6例、両側疎通8例)に起因する根本的なデータ不足の問題であることを示唆しています。論文は、SMOTEのような過剰サンプリング手法や、生成的敵対ネットワーク(GAN)を用いた合成画像の活用など、データ収集・拡張の側からの対策を今後の課題として挙げています。

臨床的な位置づけ──「第二の読み手」としての可能性

論文は、現時点でのモデルは放射線科医の判断に代わるものではなく、あくまで「第二の読み手」あるいはトリアージ(優先度付け)支援ツールとして位置づけられるべきだとしています。モデルの確信度が85%を下回る場合や、少数派クラス(両側疎通・両側閉塞)が予測された場合には、必ず医師による確認を経る運用が想定されています。

日本の生殖医療現場では、HSGの読影は依然として医師の経験に依存する部分が大きく、施設間で読影の質に差が生じうる状況があります。今回の研究が示すように、頻度の高い「片側疎通」の検出において高い再現率を示すAIツールは、見落としを減らすスクリーニング補助として一定の価値を持つ可能性があります。一方で、治療方針に直結する「両側閉塞」の判定精度が実用に耐えないことは、当面のあいだ医師による最終確認が不可欠であることを裏づける結果でもあります。

研究の強みと限界

本研究の強みは、3名の専門医によってラベル付けされた実臨床データを用い、比較的新しいYOLO11アーキテクチャをHSG画像分類に初めて体系的に適用した点、そして複数のベースラインモデルとの比較を通じてクラス不均衡という課題を定量的に示した点にあります。

一方で限界も少なくありません。第一に、データは単一の公開データセット、単一の透視装置・撮影プロトコルに由来しており、他の装置や患者集団への一般化には追加の検証が必要です。第二に、テストデータが84枚と小規模で、とりわけ両側閉塞(6例)と両側疎通(8例)は症例数が極めて少なく、F1スコア0.00という結果は分類の完全な失敗を反映しているものの、実臨床での性能を精密に見積もるものではありません。第三に、後方視的な研究であり、実際の臨床ワークフローにおける前向きの検証は行われていません。第四に、比較対象は4つのアーキテクチャに限られており、Vision Transformerなど他の手法や、不均衡データに特化した訓練戦略は検証されていません。

おわりに

今回の研究は、HSG画像の卵管疎通状態をYOLO11で自動分類する初めての体系的な検証として、76%という正答率と、パラメータ数の少なさゆえの効率性を示しました。一方で、治療方針に直結する少数派クラスの分類性能はほぼゼロにとどまり、現時点でのモデルは監督なしでの臨床使用には適さないことも同時に示されています。データの不均衡という課題は損失関数の調整だけでは解消されず、より大規模で均衡のとれた多施設データセットの構築や、前向きの臨床検証が今後の焦点になるとされています。

参考文献

1. Jawaid N, Brohi IA, Ali NI, Korejo IA, Emran NA, Warsi A. YOLO11-based deep learning system for automated tubal patency classification in hysterosalpingography: a comparative study for clinical decision support. Sci Rep 2026. doi:10.1038/s41598-026-62943-z.

2026年7月20日2026年8月31日

胚選択も卵子診断も、AIに聞く時代へ──体外受精・顕微授精をめぐる人工知能活用の最前線

体外受精(IVF)や顕微授精(ICSI)を含む生殖補助医療(ART)は、不妊治療の中心的な選択肢として世界的に普及してきました。一方で、不妊の頻度は増加傾向にあり、治療にともなう心理的・経済的な負担も小さくありません。どの胚を移植すべきか、どの程度の刺激薬を投与すべきか、卵子や精子のどのような特徴が良好な結果につながるのか――こうした判断の多くは、依然として胚培養士や医師の経験と目視による評価に委ねられている部分が大きいのが実情です。

こうした判断の一部を、人工知能(AI)や機械学習(ML)によって支援しようとする研究が、この数年で急速に増えています。画像から胚や卵子の状態を評価するモデル、大量の臨床データから妊娠・出産の確率を予測するモデル、卵巣刺激の投与量を助言するモデルなど、対象は多岐にわたります。これらの研究を横断的に整理したレビューが、Tissue and Cell誌(2026年)に掲載されました(doi:10.1016/j.tice.2026.103777)。体外受精と顕微授精のそれぞれについて、AI・ML技術がどのような場面で使われ、どの程度の精度を示しているのかを、代表的な研究とともにまとめた内容です。

方法──体外受精と顕微授精に関わるAI研究を、技術別に整理した

本総説は、体外受精・顕微授精の各工程にAI・ML技術を適用した近年の研究を対象に、その手法と成果を整理したレビューです。取り上げられた研究では、ランダムフォレスト(RF)、サポートベクターマシン(SVM)、勾配ブースティング(XGBoost、LightGBMなど)といった従来型の機械学習に加え、畳み込みニューラルネットワーク(CNN)や敵対的生成ネットワーク(GAN)などの深層学習(DL)技術が用いられています。対象となる工程は、卵巣刺激の投与量調整、卵子の成熟度評価、受精・胚発育の予測、胚盤胞の形態評価、着床前遺伝子検査(PGT-A)における染色体異数性の判定、そして妊娠・出産の予後予測まで、生殖医療のほぼ全工程に及んでいます。体外受精に関する研究と顕微授精に関する研究を分けて整理したうえで、AI・ML活用がもたらす臨床的意義と、今後の課題が論じられています。

卵から胚盤胞まで──AIが入り込む場面はここまで広がった

体外受精に関するAI応用のうち、まず注目されるのは非侵襲的な胚評価です。胚培養液中の代謝物をAIで解析し、着床能力を示す指標を算出する試みでは、148種類の代謝物バイオマーカーをもとに構築された予測モデルが、約85%の精度で胚の着床可能性を評価できたと報告されています。また、共焦点顕微鏡による定量的位相イメージングとAIを組み合わせ、胚の核の状態から健常性を評価する手法(EVATOM)も、良好な精度を示したとされています。

胚盤胞の画像そのものをAIで生成する試みも報告されています。敵対的生成ネットワークを用いて、実在の胚盤胞と見分けがつかない高精細な合成画像を作成する研究では、患者のプライバシー保護や、学習データが不足しがちな胚画像の水増しへの応用が期待されています。一方、着床前遺伝子検査(PGT-A)の分野では、AIを用いた標準化解析によって、正倍数性(染色体数が正常であること)の判定率が向上し、継続妊娠率・生児出生率が改善したという報告もあります。既存のAI評価システム(iDAScoreなど)や形態動態(モルフォキネティクス)による評価システム(KIDScoreなど)は、実際の染色体異数性率と一定の相関を示す一方で、これらのスコアだけで染色体の異常の有無を確定的に診断することはできず、胚生検を優先すべきだとする指摘もなされています。

卵巣刺激に関しても、AI活用が進んでいます。GnRHアンタゴニスト法による初回の体外受精周期を対象とした研究では、極体形成(卵子成熟)の割合が高くなるかどうかを、勾配ブースティング法(XGBoost)によって75%の精度で予測できたと報告されています。予測に寄与した主な因子は、ピーク時のエストラジオール値、アンタゴニスト投与開始日のエストラジオール値、ゴナドトロピンの平均投与量、トリガー日のプロゲステロン値でした。妊娠・出産アウトカムの予測についても、複数のアルゴリズムを比較検討した研究があり、LightGBMというアルゴリズムを用いたモデルでは、精度92.31%、再現率87.80%、AUC(予測性能を示す指標で、1に近いほど精度が高い)90.41%という結果が示されています。この研究で重視された特徴量は、体格指数(BMI)、不妊期間の長さ、エストロゲン濃度でした。

顕微授精でも同じ流れ──卵子1枚の画像から「使える胚になるか」を予測する

顕微授精に特化したAI応用も広がっています。とくに規模の大きな研究として、6カ国8施設から集めた10,677枚の顕微授精前の卵子画像をもとに、連合学習(複数施設のデータを直接共有せずに学習させる手法)によって卵子の発育能力を予測するモデルが開発されています。このモデルは、実際に利用可能な胚盤胞へと発育するかどうかを、感度83〜88%で予測できたと報告されており、施設ごとにデータの持ち出しが難しい医療分野において、複数施設のデータを活用する現実的な方法としても注目されています。

顕微授精そのものの手技を支援するAIも報告されています。卵子や割球期胚の画像から、注入に適した部位を自動的に認識する深層学習モデルでは、98%を超える精度が得られたとされ、手技の標準化や客観性の向上に役立つ可能性が示されています。また、無精子症のために精巣内から精子を採取する手術(顕微鏡下精巣内精子採取術)を受けた患者において、新鮮精子と凍結保存精子のどちらを用いるべきかを予測するモデルや、ブライトフィールド顕微鏡画像から採取困難な希少精子を自動検出するモデルなど、男性不妊の診療を支援する応用も進んでいます。総説では、こうした男性側の評価をAIで補うことが、これまで見過ごされがちだった「男性不妊学的な知見の不足」を補う手段になりうるとも論じられています。

精度が上がっても、超えられない壁がある

複数の研究に共通して見られるのは、AI・MLモデルが従来の形態評価よりも高い予測精度を示す一方で、それだけで診断や治療方針を確定させるには至っていないという点です。たとえば、834人の患者から得られた3,573個の胚盤胞を対象にした研究では、AIによる評価(iDAScore)、形態動態による評価(KIDScore Day 5)、従来の形態評価基準(Gardner分類)のいずれも、染色体異数性の割合とは一定の相関を示したものの、個々の胚の染色体異常の有無を正確に診断することはできず、確定診断には胚生検を優先すべきだと結論づけられています。106,640件という大規模な体外受精・顕微授精周期のデータを用いてベイジアンネットワークモデルを構築した研究でも、受精率の低下や完全受精失敗のリスクを高い精度で予測できた一方、モデルはあくまで補助的な位置づけとして扱われています。

総説はまた、遺伝子検査に関するAI活用が、文化的・宗教的な背景によって受け止められ方が大きく異なる可能性にも触れています。着床前遺伝子検査そのものに対する考え方は国や地域、個々の価値観によって幅があり、AIによる判定精度の向上が、そのまま臨床導入の是非を決めるわけではないという点は、今後の議論において重要な視点とされています。

日本の生殖医療現場にとっての意味

日本では、体外受精・顕微授精の症例数が世界的に見ても多い一方、胚選択や卵巣刺激の投与量調整は、依然として個々の施設や医師の経験に基づいて行われている場面が少なくありません。今回のレビューが示すように、海外ではすでに、卵子や胚の画像評価、卵巣刺激の投与量支援、PGT-Aの判定支援など、複数の工程でAI・MLモデルの実装が試みられています。こうした技術は、多数の症例データを持つ施設ほど恩恵を受けやすい一方、モデルの多くが単一施設や特定地域のデータで構築されている点には注意が必要です。日本の患者集団や診療体制にそのまま適用できるかどうかは、別途の検証が求められます。

また、遺伝子検査に関するAI活用については、日本国内でも技術的な精度向上だけでなく、患者への説明のあり方や、検査を受けるかどうかの意思決定支援のあり方について、臨床現場での議論が今後さらに必要になると考えられます。

研究の強みと限界

本総説の強みは、体外受精と顕微授精のそれぞれについて、卵巣刺激から胚評価、遺伝子検査、妊娠予後予測まで、生殖医療のほぼ全工程にわたるAI・ML研究を横断的に整理した点にあります。個々の研究がどのような手法を用い、どの程度の精度を示したかを一覧できる点は、臨床家がこの分野の全体像をつかむうえで有用です。

一方で限界もあります。第一に、本総説はシステマティックレビューではなく、対象研究の選定基準や網羅性が明示されているわけではありません。第二に、取り上げられた個々の研究の多くは単一施設による後方視的研究であり、外部データセットでの検証や前向き試験を経たものはまだ限られています。第三に、報告された精度指標(正解率、感度、AUCなど)は研究ごとに定義や算出方法が異なり、単純に数値だけを横並びで比較することはできません。第四に、AIモデルの性能は学習に用いたデータセットの質や患者背景に強く依存するため、ある施設で高い精度を示したモデルが、別の医療環境でも同様の性能を発揮するとは限りません。

おわりに

今回のレビューは、体外受精・顕微授精のほぼすべての工程において、AI・ML技術の応用が試みられている現状を示すものです。胚培養液の代謝物解析、胚盤胞の画像評価、卵巣刺激の投与量支援、PGT-Aの判定支援、そして顕微授精前の卵子画像からの発育能力予測まで、対象は多岐にわたり、いずれの分野でも従来の評価法と同等かそれ以上の予測精度が報告されています。同時に、これらのモデルの多くが単一施設のデータに基づく後方視的研究にとどまっており、より大規模で多施設にわたる前向き検証と、遺伝子検査をめぐる倫理的な論点の整理が、今後の実装に向けた課題として指摘されています。

参考文献

1. Jamshidvand H, Mohsennezhad A, Salehisedeh N, Riahi A, Sahbafar H, Sabbaghian M. Applications of artificial intelligence and machine learning in assisted reproductive technology: Focus on In Vitro fertilization (IVF) and intracytoplasmic sperm injection (ICSI). Tissue and Cell 2027;104:103777. doi:10.1016/j.tice.2026.103777.

2026年7月20日2026年8月31日

産婦人科の症例学習をAIが自動化──院内LLMで教材づくりは変わるか

産婦人科・生殖医療の専攻医教育では、実際の症例をもとに学ぶ「症例基盤型学習(Case-Based Learning、CBL)」が広く用いられています。婦人科腫瘍、内分泌、男性不妊、遺伝カウンセリングなど関連領域が複雑に交錯する現代の産婦人科では、単一の専門領域だけを扱う従来の教材では対応しきれない場面が増えています。しかし、膨大な文献の中から教育的価値の高い症例を選び、鑑別診断や「見落としやすい落とし穴」を整理してCBL教材に落とし込む作業は、指導医にとって大きな負担であり続けてきました。

こうした作業を大規模言語モデル(LLM)に代行させることはできるのでしょうか。院内で完結させられる小型モデルであれば、患者情報を外部のクラウドAPIに送信せずに済むという利点もあります。中国・温州市の病院を中心とする研究チームが、ローカル環境で動作する80億パラメータのLLM「Qwen3-8B-Instruct」を用いて、PubMed収載の産婦人科症例3,678件から教材データベースを自動構築し、専門医による検証を行った研究をJournal of Multidisciplinary Healthcare誌(2026年)に発表しました(doi:10.2147/JMDH.S612064)。抽出の正確さと、AIが生成しうる誤り(いわゆる「ハルシネーション」)の実態を、大規模なデータで検証した内容です。

方法──3,678件の症例要約を、院内LLMで構造化した

対象は、PubMedデータベースで「産婦人科」「婦人科腫瘍」「生殖医療」「不妊症」に関するMeSH用語と、文献種別「症例報告」を組み合わせて検索し、関連度の高い順に上位5,000件を抽出した英語症例要約です。非英語文献や要約の欠落、症例報告に該当しない論説などを除外した結果、最終的に3,678件の症例要約が解析対象として残りました。

これらの要約に対して、院内で動作させたQwen3-8B-Instructモデルが、①主診断、②教育上の核心となるポイント、③臨床上の落とし穴、④難易度、の4項目を自動的に抽出しました。ハルシネーションを抑えるため、生成の多様性を制御するパラメータ(Temperature 0.1、Top-P 0.95)を厳しく設定し、創造的な文章生成よりも決定論的な正確さを優先する設定が用いられています。

さらに、独自に構築した専門分野辞書と正規表現マッチングにより、各症例を生殖内分泌・産科、男性科・男性不妊、婦人科腫瘍、一般婦人科・骨盤底、家族計画・急性腹症、医療倫理・患者安全、希少疾患・横断領域という区分に自動的に振り分けました。このうち生殖内分泌と産科は、施設内の研修ローテーションの実情に合わせてひとつの区分にまとめられており、両者は本来臨床的に異なる領域であるため、この分類によって両分野間の症例分布の違いが見えにくくなっている可能性があるとされています。

検証は、臨床経験10年以上の産婦人科指導医によって行われました。3,678件のうち無作為に選ばれた100件について、AIによる抽出結果を専門医が作成した基準(ゴールドスタンダード)と比較し、抽出の正答率とハルシネーション率を算出したほか、教育的な有用性を5段階のリッカート尺度で評価し、評価者間の一致度を級内相関係数(ICC)で確認しました。ハルシネーションは、既存の診療ガイドラインに反する「主要ハルシネーション(臨床的に不適切な推論)」と、症例本文の記述からは根拠づけられない「文脈的ハルシネーション(妥当だが過剰な外挿)」の2種類に分けて集計されています。

診断抽出は96%の正答率、しかし「臨床の勘どころ」では精度が落ちた

100件のサブセットによる検証では、主診断の抽出正答率は96.0%、教育上の核心ポイントの完全性は92.0%でした。専門分野の自動振り分けの正答率も94.0%(Cohen’s κ=0.88)と高い一致を示しました。全体を通じたハルシネーションの発生率は3.0%にとどまり、その内訳は既存ガイドラインに反する主要ハルシネーションが1.0%、症例本文から直接は裏づけられない文脈的ハルシネーションが2.0%でした。教育的評価においても、診断精度に関する評価者間の一致度はICC 0.92と高い水準を示しています。

一方で、「臨床上の落とし穴」の有用性を評価した項目では、AIによる過剰な外挿や不適切な推奨が原因となり、ハルシネーション率は6.0%まで上昇しました。評価者間の一致度も、臨床上の落とし穴についてはICC 0.65[95%信頼区間0.50〜0.76]、難易度の妥当性についてはICC 0.54[95%信頼区間0.35〜0.68]にとどまり、客観的な事実抽出に比べて明らかに低い水準にとどまりました。難易度についても、専門医による判定との一致率は81.0%でした。

具体的な失敗例として、COVID-19流行下での産科救急症例(PMID:33218391)が取り上げられています。この症例に対してAIは、既存のACOG(米国産科婦人科学会)のガイドラインに反する形で、予防的な帝王切開を過剰に推奨するという、いわゆる「防衛的すぎる」提案を行っていました。研究チームは、AIが症例本文に明示されていない暗黙の臨床文脈を正しく推測することを苦手とし、結果として過剰に慎重、あるいは臨床的に不適切な推奨を行う傾向があると指摘しています。

教育コアポイントは「鑑別診断」、落とし穴は「誤診」が最多だった

3,678件全体を対象とした分析では、抽出された教育上の核心ポイントとして最も頻度が高かったのは「鑑別診断」(1,607件)で、次いで「遺伝子・ゲノム検査」(1,083件)でした。臨床上の落とし穴としては、「誤診」(225件)と「個別化された治療の欠如」(211件)が上位を占めました。難易度の分布では、全体の99%以上が「難しい」(52.90%、1,945件)または「中程度」(47.10%、1,732件)に分類され、「易しい」と判定された症例は1件(0.10%未満)にとどまりました。この極端な偏りについて、研究チームは、症例報告として学術誌に採択される文献自体が、そもそも典型的で単純な症例よりも、非典型的・複雑な症例に偏りやすいという出版バイアスを反映している可能性が高いと考察しています。

専門分野別の内訳では、生殖内分泌・産科が全体の28.10%(1,035件)で最も多く、男性科・男性不妊が25.20%(927件)、希少疾患・横断領域が19.90%(732件)、婦人科腫瘍が14.90%(548件)と続きました。男性不妊関連の症例が全体の4分の1を占めたことは、産婦人科の教育が、婦人科・産科という枠を越えて男性側の要因までを含む学際的な内容へと広がりつつある実情を映し出しているといえます。

日本の研修医教育にとっての意味

日本の産婦人科専攻医教育でも、症例基盤型学習は研修の中核をなす手法のひとつですが、教材となる質の高い症例の選定と整理は、指導医個人の経験と時間に依存する部分が大きいのが実情です。特に、婦人科腫瘍、遺伝カウンセリング、男性不妊など、専門分化が進んだ領域をまたぐ症例については、単独の指導医が体系的に整理することが難しい場合もあります。

今回の結果は、客観的な事実の抽出(診断名や検査項目の同定など)についてはLLMが高い精度を発揮できる一方、「何が臨床上の落とし穴か」「この症例の難易度をどう評価するか」といった、経験に基づく暗黙知が関わる判断では、AI単独での信頼性が明らかに低下することを示しています。臨床現場でこうしたツールを教材作成に取り入れる際には、客観的な情報抽出の下書きをAIに任せ、教育的な意味づけや落とし穴の妥当性については、指導医が必ず確認・修正するという役割分担が現実的な運用像になると考えられます。研究チームが提案する「人間参加型(human-in-the-loop)」のワークフローも、この考え方に沿ったものです。

また、院内で完結する小規模モデルを用いた設計は、症例情報を外部のクラウドAPIに送信しないという点で、個人情報保護の観点からも参考になる枠組みです。日本の医療機関がAIを教材作成に活用する場合にも、データの取り扱いに関する制約と、指導医による最終確認の必要性は、同様に検討すべき論点になります。

研究の強みと限界

本研究の強みは、3,678件という大規模なデータセットを対象とした点、そして単なる抽出精度だけでなく、ハルシネーションの分類や評価者間の一致度まで踏み込んで検証した点にあります。

一方で限界も少なくありません。第一に、PubMedの「関連度順(Best Match)」検索を用いたことによる選択バイアスの可能性があり、抽出された症例の99%以上が「中程度」または「難しい」に分類されるという極端な偏りが生じています。第二に、解析は症例報告の要約(アブストラクト)のみを対象としており、本文全体を用いた場合に比べて、教育的な網羅性は限定的である可能性があります。第三に、ハルシネーションが特にどの専門領域や臨床場面で生じやすいかについての詳細な下位分析は行われていません。第四に、検証に用いられた100件という症例数、および単一施設の専門医のみによる評価という点で、結果の一般化には注意が必要です。第五に、使用されたモデル自体が今後更新される可能性が高く、長期的な再現性は不確かなままです。最後に、本研究はあくまで方法論的な妥当性を検証したものであり、実際にこの教材データベースが専攻医の学習成果や臨床能力の向上につながるかどうかは、今後の介入研究によって確かめる必要があるとされています。

おわりに

今回の研究は、院内で動作する小型のLLMであっても、産婦人科領域の症例報告から教育コンテンツを構造化する作業において、高い精度で客観的事実を抽出できることを示しました。診断名や検査項目といった客観的な情報の抽出精度は96%前後に達し、ハルシネーションの発生率も3%程度に抑えられています。一方で、臨床上の落とし穴の妥当性や難易度の判定といった、経験に基づく主観的な判断が求められる領域では、AIの精度と評価者間の一致度がともに明確に低下することも明らかになりました。今後は、こうしたAI生成教材が実際の研修医の学習成果や診断能力の向上にどこまで寄与するかを検証する介入研究が必要とされています。

参考文献

1. Hu X, Luo X, Zhao Y, Zheng B. Automating Case-Based Learning in Obstetrics and Gynecology: Validation of a Locally Deployed Large Language Model. J Multidiscip Healthc. 2026;19:612064. doi:10.2147/JMDH.S612064.

2026年7月18日2026年8月31日

見えない精子を「見つける」AI──無精子症治療の新しい入口

無精子症(azoospermia)は、射精液の中に精子がまったく確認できない状態を指し、成人男性のおよそ1%、不妊症で受診する男性のうち10〜15%に見られるとされています。とくに、精巣内での精子産生そのものが著しく低下している非閉塞性無精子症(NOA)では、外科的に採取した精巣組織や、処理後の射精液の中からごくわずかに存在する精子を人の目で探し出す作業が必要になります。この作業は極めて時間がかかるうえ、検者の熟練度によって結果が左右されやすいという課題を抱えてきました。

こうした「探す」という工程に、人工知能(AI)、とくに画像認識を得意とする深層学習(ディープラーニング)を組み合わせる試みが、近年相次いで報告されています。Current Opinion in Urology誌(2026年)に掲載されたレビュー論文は、精巣組織および射精液サンプルの両方を対象に、AIを用いた精子検出技術に関する近年の知見を整理したものです(doi:10.1097/MOU.0000000000001430)。

このレビューでは、AIが検出速度と精度の両面で従来の目視検査を上回りうること、さらにAIとマイクロ流体工学(microfluidics)を組み合わせることで、検出だけでなく精子の物理的な単離・回収までを自動化できる可能性が示されています。以下、レビューが取り上げた主要な研究を、精巣組織を対象としたものと、射精液を対象としたものに分けて紹介します。

方法──AIによる精子検出研究を、精巣組織と射精液に分けて概観した

このレビューは、無精子症・乏精子症(cryptozoospermia、射精液中にごく少数の精子しか存在しない状態)に対するAI応用について、直近数年で発表された研究を対象に整理したものです。対象は大きく2つに分かれます。ひとつは、微小外科的精巣内精子採取術(micro-TESE)で得られた精巣組織の中から精子を探す研究、もうひとつは、処理済みの射精液サンプルから精子を検出・回収する研究です。なお、精子の形態評価や選別に関するAI応用は関連する別分野として扱われており、このレビューの範囲には含まれていません。

精巣組織からの探索時間が、36秒からほぼ一瞬に

精巣組織を対象とした研究のひとつでは、非閉塞性無精子症患者から得られた精巣組織の画像に、コンピュータビジョン用のアノテーションツールを用いて精子の位置情報を付与し、深層学習モデルを訓練しました。検証実験では、静止画像を用いてAIによる検出と胚培養士による目視検査を比較したところ、視野1つあたり精子をすべて特定するまでの時間は、目視の平均36.10秒からAIでは0.0000003秒程度へと大幅に短縮されました(P<0.001)。感度(見逃さずに検出できた割合)も、目視の86.52%からAIでは91.95%へと向上しています(P<0.001)。合計2,660個の精子のうち、胚培養士が確認できたのは1,937個であったのに対し、AIはより短い時間で1,997個を検出しました。

さらに、実際のICSI(顕微授精)用顕微鏡を用いた模擬的な臨床ワークフローでの検証でも、AI支援ありの探索は、1滴あたりの探索時間が平均168.7秒から98.9秒へと短縮され(P<0.001)、回収できた精子数も1,274個から1,396個へと増加しました。これらの結果は、AIが胚培養士の作業を代替するのではなく、補助することで、探索効率と検出感度の両方を底上げしうることを示しています。

拡張現実(AR)と組み合わせた検出支援

精巣組織からの精子探索を支援する別のアプローチとして、AIと拡張現実(AR)を組み合わせたシステムも報告されています。この研究では、リアルタイムの精子検出モデル(YOLOv5)と物体追跡アルゴリズムを組み合わせ、顕微鏡の接眼レンズに精子の位置や動きの情報を映し出すARマイクロスコープが試作されました。検証実験では精度0.81、感度0.52という性能が示され、AR支援によって精子の検出率は30.8%から66.9%へとおよそ2倍に向上しています。

ただし、この検証では実際のmicro-TESEサンプルではなく、ヒト肝がん由来の培養細胞(HepG2)を用いて組織の複雑さを模擬した点が限界として指摘されています。培養細胞と実際の精巣組織とでは性質が大きく異なるため、実臨床での性能については、なお不確実性が残るとされています。

多施設での予備的検討──探索時間はおよそ3分の1に

査読付き論文としてはまだ公表されていないものの、2025年の欧州ヒト生殖医学会(ESHRE)年次総会における口頭発表として、2施設・無精子症患者22名を対象とした多施設パイロット試験の結果が報告されています。この発表によれば、AI支援によって個々の精子を発見するまでの時間は平均7.5分から2.8分へと短縮され(P=0.0025)、シャーレ全体の探索完了までの時間も35.7分から21.8分へと短縮されました(P<0.0001)。査読前の予備的なデータではあるものの、実際の患者サンプルを用いた多施設での結果として位置づけられています。

射精液からの自動検出・回収──STARシステムの報告

精巣組織だけでなく、射精液サンプルを対象としたAI応用も進んでいます。射精液は非侵襲的かつ繰り返し採取できるため、精子が回収できるのであれば、外科的な精巣内精子採取よりも望ましい選択肢となります。この分野の代表例として紹介されているのが、高速撮影とマイクロ流体チップ、深層学習による物体検出モデルを組み合わせた「STAR(Sperm Tracking and Recovery)」システムです。

STARシステムは、1時間あたり約400マイクロリットルの検体を処理しながら、110万枚を超える画像をリアルタイムで解析できるとされています。検出モデルにはYOLOアーキテクチャが用いられ、連続する複数フレームにわたって同一の物体が一貫して精子と判定された場合にのみ陽性と確定する仕組み(時間的整合性フィルター)が組み込まれており、誤検出を抑える工夫がなされています。特徴的なのは、検出にとどまらず、識別された精子を300ナノリットルという微小な液滴に自動的に単離し、ICSI用のシャーレへ直接送り届けるところまでを、胚培養士の手を介さずに行える点です。

性能検証では、精度0.89、感度0.90、平均適合率0.95という結果が示され、既知の濃度で精子を添加したサンプルとの相関も高いことが確認されています(決定係数R2=0.99)。実際の臨床応用としては、19年間にわたり不妊に悩んでいた夫婦がこのシステムを用いて妊娠に至り、その後健常な児の出生に至ったという症例報告が、Lancet誌(2025年)に掲載されています。

『無精子症』の4人に1人に、実は精子が存在していた

STARシステムについては、無精子症と確定診断された患者を対象とした、より大規模な検討が現在投稿中とされています(未公表データ)。この検討の背景にあるのは、無精子症と診断された男性の一部は、実際には精子が存在するにもかかわらず、従来の目視検査の限界によって見逃されているのではないか、という仮説です。レビューではこの状態を「検出限界による無精子症」と呼んでいます。

盲検下での検証実験では、1サンプルあたり約5個という極めて低い濃度の精子を含むサンプルについても、すべて正しく判定できたとされています。また、専門家による目視検索との比較では、AIが10サンプル中10サンプルで精子を検出できたのに対し、目視では10サンプル中3サンプルにとどまりました。無精子症患者175名を連続して調べたところ、STARは26%の患者で精子を検出し、そのうち8/28例(29%)は、精巣内精子採取術(TESEまたはmicro-TESE)で過去に精子陰性と判定されていた症例でした。回収された精子は、実際の出生や妊娠成立につながった例もあり、その中には、2つの医療機関でともに精子陰性と判定されていたクラインフェルター症候群(47,XXY)の患者の症例も含まれています。

これらの結果は、無精子症という診断の一部が、精子産生そのものの欠如ではなく、検出技術の限界を反映している可能性を示唆しています。あわせて、極めて希少な対象を高感度に検出しながら誤検出を抑え、さらに物理的な単離までを自動化するという、これまで両立が難しかった要素を同時に達成できる可能性を示した報告といえます。

検出以外の応用──センサー設計へのAI活用

AIは画像から直接精子を検出する用途だけでなく、精子検出用のセンサー自体の設計を最適化する目的でも応用され始めています。ある研究では、グラフェンを用いたテラヘルツ帯のメタサーフェスセンサーについて、電磁気学的な挙動をシミュレーションしたうえで、1次元畳み込みニューラルネットワークにセンサーの応答を予測させたところ、決定係数0.93〜1.0という高い予測精度が得られています。ただし、この結果はあくまでシミュレーション上のものであり、実際の生体サンプルを用いた検証はまだ行われていません。類似の手法は、表面プラズモン共鳴を利用したバイオセンサーの最適化においても報告されています。

日本の生殖医療現場にとっての意味

日本の生殖医療現場では、非閉塞性無精子症に対するmicro-TESEが広く行われていますが、精子探索の成否は施設や検者の経験に依存する部分が少なくありません。今回のレビューが示す知見は、探索時間の短縮や検出感度の向上を通じて、こうした検者依存性を減らせる可能性を示しています。とくに、従来は精子陰性と判定されていた症例の一部に実際には精子が存在しうるという報告は、精巣内精子採取が不成功に終わった患者への説明や、再採取・再検査の判断に影響を与えうる論点として受け止められる可能性があります。

一方で、今回紹介された技術の多くは、単一施設での小規模な検証や、査読前の発表、あるいはシミュレーションデータにとどまっており、実臨床への導入にはなお時間を要すると考えられます。日本の医療機関でこうした技術を評価・導入する際には、規制当局による承認の枠組みや、既存の顕微鏡・培養室のワークフローとの整合性、施設間でのデータの標準化といった論点が、今後の検討課題になると考えられます。

研究の強みと限界

このレビューで紹介された個々の研究には、それぞれ強みと限界があります。精巣組織からの検出速度と感度の向上を示した研究は、実際の患者由来の組織を用いた比較的大きなデータセットに基づいていますが、対象となったサンプルは数千個規模の精子を含むものであり、真に希少な1〜50個程度の精子しか存在しない最重症例での性能は、今後の検証課題として残されています。ARを組み合わせた検出支援については、実際のmicro-TESEサンプルではなく培養細胞株を用いた模擬実験にとどまっている点が限界です。

射精液を対象としたSTARシステムについては、症例報告や未公表データに基づく報告が中心であり、査読を経た大規模な前向き研究としての確立には至っていません。また、いずれの技術についても、単一施設・単一の患者集団で開発されたモデルが、他施設のデータに対してどこまで性能を維持できるかという、いわゆる一般化可能性の検証が十分ではないことが、レビュー全体を通じて指摘されています。規制当局の承認プロセスや、多施設共同でのデータ収集・標準化の枠組みが整うまでには、なお時間を要すると考えられます。

おわりに

今回のレビューは、無精子症・乏精子症に対するAIを用いた精子検出技術について、精巣組織と射精液の両方における近年の進展を整理したものです。深層学習による画像解析は、検出速度と感度の両面で従来の目視検査を上回りうることが複数の研究で示されており、マイクロ流体工学と組み合わせたシステムでは、検出にとどまらず精子の自動単離までが可能になりつつあります。従来は精子陰性とされていた症例の一部から精子が検出されたという報告は、無精子症という診断の一部が検出技術の限界を反映している可能性を示唆するものです。一方で、多くの技術はなお検証の初期段階にあり、より大規模で多様な患者集団を対象とした前向き研究、多施設での検証、そして規制上の枠組みの整備が、今後の実用化に向けた課題として位置づけられています。

参考文献

1. Gemmell LC, Suryawanshi H, Williams Z. AI-based techniques in sperm detection. Curr Opin Urol 2026;36:000-000. doi:10.1097/MOU.0000000000001430.

2. Goss D, Vasilescu S, Vasilescu P, et al. Evaluation of an artificial intelligence-facilitated sperm detection tool in azoospermic samples for use in ICSI. Reprod Biomed Online 2024;49:103910.

3. Mohamed M, Yuriko E, Kawagoe Y, et al. AI-based augmented reality microscope for real-time sperm detection and tracking in micro-TESE. Bioeng 2026;13:102.

4. Goss D, Vasilescu SA, Vasilescu P, et al. O-226 Clinical evaluation of an artificial intelligence (AI) model for rare sperm detection in testis biopsies and azoospermic semen for ICSI. Oral presentation at: 41st Annual Meeting of the European Society of Human Reproduction and Embryology (ESHRE); 2025.

5. Suryawanshi H, Gemmell LC, Morgan S, et al. First clinical pregnancy following AI-based microfluidic sperm detection and recovery in nonobstructive azoospermia. Lancet 2025;406:2213-2214.

6. Karuppasamy P, Wekalao J, Rajakannu A. Graphene terahertz metasurface sensor enabled by AI for rapid, high-precision sperm detection in fertility assessment. Plasmonics 2025;21:619-641.

7. Anbazhagan S, Kumar A, Rajakannu A, Mandela N. AI-augmented terahertz biosensor with MXene-graphene architecture for sensitive sperm concentration detection. Plasmonics 2025;20:10573-10587.

2026年7月17日2026年8月31日

卵巣切片の卵胞を、AIが自動で数え分ける──非ヒト霊長類で示された精度と限界

卵巣に残る卵胞の数、いわゆる「卵巣予備能」の推定は、生殖医療や生殖生物学の研究において重要な指標です。しかし組織切片から卵胞を数え、発育段階ごとに分類する作業は、これまで人の目に頼る手作業で行われてきました。1つの卵巣から200〜300枚の組織切片が得られることも珍しくなく、複数の個体を対象とする研究では、その作業量は膨大なものになります。

近年、機械学習を用いて卵胞を自動的に検出・分類する試みが、マウスやラット、ヒトの卵巣組織を対象に報告されてきましたが、多くは1〜3段階程度の粗い分類にとどまっていました。より細かい発育段階を、非ヒト霊長類の卵巣全体から自動判定できるかどうかは、これまで十分に検証されていませんでした。

こうした背景のもと、Biology of Reproduction誌(2026年)に、インディアナ大学とアリゾナ州立大学、オレゴン国立霊長類研究センターの共同研究グループによる論文が掲載されました。マカク属のサルの卵巣組織を対象に、畳み込みニューラルネットワーク(CNN)を用いて卵胞を6段階の発育段階に自動分類する機械学習パイプラインを構築し、その精度を検証した内容です(doi:10.1093/biolre/ioag149)。

方法──11頭のサルの卵巣切片を、AIに学習させた

対象は、生後1.1歳から22歳までの11頭のサル(アカゲザル、カニクイザル、ニホンザル)に由来する卵巣組織切片18枚です。ヘマトキシリン・エオジン(HE)染色を施した切片を、2人の作業者がそれぞれ独立して観察し、卵胞を「原始卵胞」「移行期原始卵胞」「一次卵胞」「移行期一次卵胞」「二次卵胞」「多層卵胞」という6段階に分類してマーキングしました。作業者間で判定が食い違った箇所は照合のうえ統一され、さらに卵巣生物学の専門家による最終確認を経て、合計7,770個の卵胞のアノテーションデータが作成されました。

このデータをもとに、大規模な画像データセットで事前学習済みのCNN(ResNet34)を、転移学習という手法で再学習させました。卵胞1個ごとに200×200ピクセルの画像を切り出し、回転や反転、色調変化などの画像加工を加えることでデータを水増しし、最終的には約190万枚の学習用画像が用意されました。データは学習用・テスト用・評価用(バリデーション)の3グループに分けられ、性能が確認されました。

学習データでは98%、未知データでは72〜75%の正答率

学習に使った画像そのものに対する正答率は98%以上と極めて高い一方、モデルが学習時に見ていないテストデータでの正答率は72.4%、バリデーションデータでは75.3%でした(いずれも「卵胞なし」と判定される背景領域を除いた値)。背景領域(卵胞が写っていない部分)については、テスト・バリデーションのいずれでも99%を超える正答率で判別できていました。

段階別に見ると、誤分類の多くは「1つ隣の発育段階」との取り違えでした。たとえば一次卵胞は単独では40%程度の正答率にとどまりましたが、誤答の大部分は前後の段階(原始卵胞寄りか、二次卵胞寄りか)への振れにとどまっており、前後1段階までを正解と見なす基準で採点し直すと、いずれの段階でも90%を超える正答率になりました。原始卵胞の正答率は56〜58%とやや低めでしたが、次の段階である移行期原始卵胞と合算すると98%以上の精度になりました。研究チームは、この結果を、AIが卵胞の発育段階を連続的な順序として学習したことの表れと解釈しています。

実際に、84個の卵胞が含まれる卵巣切片1枚全体にこのモデルを適用したところ、背景領域を除いた全体の正答率は90%に達したと報告されています。過去に報告されている類似の研究(ヒト卵巣組織を対象としたもの)では、分類段階数を絞ったり原始卵胞のみに対象を限定したりする例が多く、6段階という細かい基準を卵巣全体に適用した例としては、今回が最大規模とされています。

卵巣予備能の指標としての「移行期原始卵胞」

卵巣予備能の推定には、従来、原始卵胞の数が主な指標として用いられてきました。しかし今回の研究では、原始卵胞と移行期原始卵胞を合わせた卵胞数、および移行期原始卵胞単独の卵胞数が、個体の年齢と有意な負の相関を示しました(それぞれP=0.015、P=0.018)。一方、原始卵胞単独の数は、年齢との相関が有意ではありませんでした。11頭中9頭で、原始卵胞よりも移行期原始卵胞の数のほうが多く観察されており、研究チームは、霊長類において卵巣予備能を評価する際には、原始卵胞だけでなく移行期原始卵胞も含めて考える必要がある可能性を指摘しています。ただし、この点についてはすでに別の研究者間で見解が分かれており、今後の検証が必要とされています。

日本の生殖医療研究にとっての意味

日本では、卵巣予備能の評価やがん治療後の妊孕性温存に関する研究において、動物モデルを用いた基礎データが重要な役割を果たしています。今回の研究はヒトの臨床検体を対象にしたものではなく、マカク属のサルの卵巣組織を用いた基礎研究ですが、マカクはヒトとほぼ同じ卵巣周期・卵巣構造を持つことから、環境化学物質や薬剤が卵巣機能に与える影響の評価、がん治療に伴う卵巣毒性の検討、卵巣温存法の効果判定など、ヒトへの橋渡しがしやすい研究基盤になり得るとされています。手作業による卵胞の分類・計数は労力と時間がかかる作業であるため、こうした自動化ツールが確立すれば、卵巣組織を用いた研究の再現性と効率が高まることが期待されます。研究チームは、学習データやコード、学習済みモデルをすべて公開しており、他の研究グループが独自の画像に応用したり、手法を検証・発展させたりできる形になっています。

研究の強みと限界

本研究の強みは、7,770個という規模の卵胞アノテーションデータを、6段階という比較的細かい分類基準に基づいて整備した点、そして複数の作業者による相互確認と専門家によるレビューを経て精度の高い教師データを作成した点にあります。

一方で限界も指摘されています。第一に、対象となった動物は11頭、画像は18枚にとどまり、サンプルサイズは大きくありません。第二に、原始卵胞や移行期原始卵胞に比べて二次卵胞・多層卵胞の出現数が少なく、データの偏りが精度に影響した可能性があります。第三に、今回のモデルはマカク属という近縁種の間ではおおむね良好な性能を示しましたが、予備的な検証ではハムスターの組織にそのまま適用した際の精度は低く、種を越えた汎用性には限界があることが示唆されています。第四に、染色の濃淡や画像の質のばらつきが結果に与える影響についても、限られた枚数での検証にとどまっています。

おわりに

今回の研究は、非ヒト霊長類の卵巣組織における卵胞発育段階を、6段階という比較的細かい基準でAIに自動分類させる試みとして、これまでで最大規模のデータを提供するものです。学習データでは98%以上、未知のデータでも72〜75%という正答率が得られ、誤分類の多くは隣接する発育段階との取り違えにとどまっていました。研究チームは、この手法が卵巣毒性評価やがん治療後の妊孕性温存研究、卵巣加齢のメカニズム解明など、幅広い研究領域での活用につながる可能性があるとしています。データとコードが公開されていることから、今後は他の研究グループによる検証や、ヒト組織への応用可能性についての追加研究が期待されます。

参考文献

1. Sluka JP, Israels R, Lund C, Rao PR, Nagda P, Ding Y, Daniele A, Dietrich SW, Zelinski MB, Watanabe KH. Follicle Identification in Primate Ovaries Via Machine Learning. Biol Reprod 2026;ioag149. doi:10.1093/biolre/ioag149.

2026年7月16日2026年8月31日

凍結胚移植の出生を予測するAI──何が結果を左右するのか

凍結融解胚移植(FET)は、採卵した周期とは別のタイミングで胚を子宮に戻す治療法であり、近年は移植周期全体の6割以上を占めるまでに普及しています。しかし生児出生率はいまなお40%前後にとどまり、多くの患者が治療の失敗を経験し、身体的・心理的・経済的な負担を抱えています。従来、成功の見込みは医師の経験や過去のデータをもとに個別に判断されてきましたが、妊娠の成立から出生に至る過程は数多くの要因が絡み合う複雑なプロセスであり、人の判断だけで精度の高い予測を行うことには限界があります。

こうした課題に対して、機械学習(ML)を用いた予測モデルの開発が進んでいます。すでに新鮮胚移植を対象とした予測モデルはいくつか報告されていますが、FETに特化したモデルは比較的少なく、また多くのモデルは全体としての予測精度に主眼が置かれ、個々の患者に対してどの要因がどう影響しているかを示す仕組みには乏しいという課題がありました。

こうした背景のもと、BMC Pregnancy and Childbirth誌(2026年)に、FETを受けた患者の生児出生を予測する解釈可能な機械学習モデルの開発と検証に関する論文が掲載されました(doi:10.1186/s12884-026-09610-3)。中国・遵義医科大学附属病院で実施された研究で、SHAP(シャープレイ加法的説明)という手法を用いて、予測の根拠を個々の患者ごとに示せる点が特徴です。

方法──4,937例のデータを、3つのモデルで解析した

対象は、2021年1月から2023年12月にかけてFETを受けた患者3,470例(後方視的コホート、開発用)と、2024年1月から12月にかけて新たにFETを受けた患者1,467例(前方視的コホート、外部検証用)の合計4,937例です。年齢20〜42歳の患者が対象とされ、夫婦いずれかの染色体異常や重い全身疾患を持つ患者、着床前診断・着床前スクリーニングを受けた患者などは除外されました。

患者背景、卵巣予備能、排卵誘発に関する指標、子宮内膜の状態、胚の培養に関する指標、内分泌・代謝関連の指標など、7領域42項目のデータが収集されました。LASSO回帰という手法でまず12個の候補変数に絞り込み、さらに多変量ロジスティック回帰で最終的に10個の予測因子(年齢、AMH、不妊期間、FET施行回数、移植した胚盤胞数、移植した良好胚数、hCG投与日のE2値、hCG投与日の子宮内膜厚、移植胚の種類、子宮内癒着の既往)が選ばれました。これらをもとに、ロジスティック回帰(LR)、ランダムフォレスト(RF)、XGBoostという3種類のモデルが構築され、テストセットと外部検証セットの双方で性能が比較されています。

的中率で先んじたのはXGBoost、外部検証でもAUC 0.81

開発コホートの生児出生率は41.21%、外部検証コホートでは46.01%でした。3つのモデルの予測精度(AUC、1に近いほど識別能が高い指標)は、テストセットでLR 0.818、RF 0.828、XGBoost 0.843、外部検証セットでLR 0.798、RF 0.796、XGBoost 0.809となり、いずれの段階でもXGBoostが最も高い性能を示しました。XGBoostは決定木を段階的に組み合わせて予測を改善していく手法で、変数どうしの複雑な相互作用を捉えやすいという特徴があります。

XGBoostモデルはテストセットで、正診率77.2%、適合率78.6%、特異度85.8%、F1スコア0.725という結果でした。予測された確率と実際の結果の一致度を示すキャリブレーション曲線も良好で、モデルの誤差の指標であるBrierスコアは0.154(外部検証では0.175)と、いずれも精度の高さを裏づけるものでした。臨床的な有用性を評価する決定曲線分析(DCA)では、テストセットで20〜70%、外部検証セットで20〜80%というかなり広い確率のしきい値の範囲で、このモデルを使うことによる臨床上の利益が確認されています。

「何が結果を左右するか」を可視化する──SHAP分析

この研究の特徴は、最も精度の高かったXGBoostモデルに対してSHAP分析を適用し、それぞれの予測因子が生児出生の確率をどの程度、どの方向に動かしているかを可視化した点にあります。影響度の大きい順に、①これまでのFET施行回数、②移植した胚盤胞数、③移植した良好胚数、④AMH、⑤hCG投与日のE2値、⑥移植胚の種類、⑦年齢、⑧hCG投与日の子宮内膜厚、⑨不妊期間、⑩子宮内癒着の既往、という10項目が挙げられています。全体的な傾向としては、FET施行回数が多いほど、良好胚の移植数やAMHが低いほど、また年齢や不妊期間が長いほど、生児出生の確率は低下する方向に働いていました。

最も影響が大きかった「これまでのFET施行回数」は、それ自体を治療で変えることはできない要因です。しかし論文は、この情報を患者への説明や期待値の調整に活用できると位置づけています。実際、8,400件の単一胚移植周期を対象とした別の研究でも、体外受精を一度も受けたことがなく生児出生歴もない患者のほうが、複数回の体外受精を経て一子を得た患者よりも、その後の妊娠成績が良好であったことが報告されています。複数回の移植を繰り返している患者に対しては、背景にある要因をより丁寧に調べ、個別化した対応を検討する余地があるといえます。

患者一人ひとりへの説明にどう使うか

論文では、SHAPを用いた個別患者への説明の具体例も示されています。ある患者では、モデルが予測した生児出生の確率は29.3%で、全体の平均である41.6%を大きく下回っていました。その内訳を分解すると、過去2回のFET不成功(影響度-0.154)、胚盤胞ではなく初期胚を移植したこと(-0.0645)、AMHが2.04と低めであること(-0.0638)がマイナス方向に働いていた一方、良好胚を2個移植したことはプラス方向(+0.183)に寄与していました。こうした内訳を示すことで、変えられない要因(これまでの治療歴)と、今後の治療方針で調整しうる要因(胚の種類や子宮内膜の状態など)を切り分けて説明できる点に、臨床的な意義があるとされています。

日本の生殖医療現場にとっての意味

日本でも、FET後の生児出生率は依然として個々の患者の背景によって大きく異なり、治療を重ねるほど身体的・心理的な負担が積み重なっていくという課題は共通しています。今回のモデルがそのまま国内の診療に導入できるわけではありませんが、FET施行回数や胚の質、AMHといった、日常診療で日常的に把握している指標の組み合わせから、ある程度の確度で見通しを示せる可能性を示した点は注目に値します。特に、複数回の移植を経験している患者への説明や、移植する胚の選び方を検討する場面では、こうした予測の枠組みが判断材料の一つになり得ると考えられます。

研究の強みと限界

本研究の強みは、4,937例という規模の大きさに加え、後方視的コホートでの開発・内部検証にとどまらず、時期の異なる前方視的コホートによる外部検証まで行っている点、そしてSHAP分析によって個々の患者への説明可能性を高めている点にあります。

一方で限界も示されています。第一に、開発・検証ともに単一施設のデータに基づいており、地理的に異なる施設での独立した外部検証は行われていないため、他施設への一般化には注意が必要です。第二に、子宮内膜の遺伝子発現や腸内・膣内細菌叢の特徴、胚の形態動態パラメータといった新しい生物学的指標や、患者の生活習慣、食習慣、心理状態といった臨床的な要因は、今回の解析には含まれていません。これらは妊娠成績に関与しうる要因であり、モデルの予測精度に一定の影響を与えた可能性があるとされています。今後は、多施設共同の前方視的研究による検証と、より幅広い予測因子の組み込みが課題として挙げられています。

おわりに

今回の研究は、FETを受ける患者の生児出生を予測する解釈可能な機械学習モデルを構築し、内部・外部の双方で妥当性を確認したものです。XGBoostモデルは外部検証でもAUC 0.809という良好な精度を示し、SHAP分析によって、どの要因がどの程度予測に寄与しているかを個々の患者ごとに示せる仕組みが提供されました。これは、治療方針の検討や患者への説明に活用しうる材料となる一方、単一施設のデータに基づく研究である以上、その適用範囲には限界もあります。多施設でのさらなる検証を経て、臨床応用の妥当性が今後も検討されていく必要があるとされています。

参考文献

1. Luo S, Wang D. Development and validation of a machine learning-based model for predicting live birth outcomes in patients undergoing frozen-thawed embryo transfer. BMC Pregnancy Childbirth 2026 (in press). doi:10.1186/s12884-026-09610-3.

2026年7月16日2026年8月31日

胚の「顔写真」をAIが読む──非侵襲で発生能力を見抜く

体外受精における胚の評価は、着床の可能性をできるだけ高めながら、侵襲的な検査は最小限にとどめるという、相反する要請の間で発展してきました。世界保健機関(WHO)の推計では、世界の成人のおよそ6人に1人が不妊を経験するとされ、体外受精(IVF)や顕微授精(ICSI)の成績向上は、生殖医療における継続的な課題です。米国のSART(Society for Assisted Reproductive Technology)の報告では、妊娠率は35歳未満で54%、35〜40歳で約45%、40歳を超えると11%にとどまるとされ、年齢による低下が顕著です。

現在の胚評価は、形態学的グレーディングと着床前胚染色体異数性検査(PGT-A)という2つの柱によって支えられています。前者は簡便で非侵襲的である一方、評価者によるばらつきが大きいという問題があり、後者は客観性が高い反面、費用がかさみ、胚そのものにダメージを与えうるという課題を抱えています。

こうした背景のもと、Biology of Reproduction誌(2026年)に、胚の発生能力を評価するための現行手法と、非侵襲的な新技術の動向を包括的に整理した総説が掲載されました(doi:10.1093/biolre/ioag147)。前核期の形態評価からPGT-A、培養液分析、タイムラプス撮影、人工知能(AI)、さらには胚が発する極めて微弱な光を利用する手法まで、幅広いアプローチの現状と限界がまとめられています。

方法──現行の胚評価法を、発生段階ごとに整理した

胚は、受精後およそ17時間で「前核期」に達し、精子と卵子に由来する2つの前核が観察されます。この時期には、前核内の「核小体前駆体」の数や配置、左右対称性などが評価対象となります。代表的な評価法として、6段階のパターンで前核の成熟度を分類する方式や、European Society of Human Reproduction and Embryology(ESHRE)による簡易分類(対称・非対称・異常の3区分)があります。3,000個超の前核期胚を対象とした後方視的研究では、対称性の高いスコア1の胚で着床率15%、スコア2〜3の胚で着床率9%と有意差が示されましたが、その後の妊娠転帰までは予測できないとする報告も複数あります。

受精後2〜3日目には卵割期に達し、細胞数や対称性、フラグメンテーション(細胞の断片化)の程度が評価されます。受精後4日目の桑実胚期、そして5〜6日目の胚盤胞期へと発生が進むにつれ、評価の対象は栄養外胚葉(TE)、胞胚腔、内細胞塊(ICM)へと移っていきます。現在もっとも広く用いられている胚盤胞のグレーディング法は、この3要素を組み合わせて評価する方式で、高スコアの胚盤胞を1個移植した場合の着床率は50%に達したとする報告もあります。

10人の胚培養士が同じ胚を選ぶのは、2人に1人だけ

形態学的グレーディングの最大の弱点は、評価者間のばらつきです。10人の胚培養士が、同じ100症例について単一胚移植の対象を選定した多施設研究では、10人全員が同じ胚を選んだのは全体の50%にとどまりました。複数の時点で評価するとこのばらつきはさらに拡大するとされ、経験年数による差も報告されています。総説の中で紹介されている別の解析では、胚培養士が妊娠成績を予測する正答率はわずか51%であったとされており、これは統計的にはコイン投げとほぼ同じ精度です。

PGT-Aは万能ではない──数個の細胞から全体を推し量る限界

PGT-Aは、胚盤胞のTEから5〜10個程度の細胞を採取し、次世代シーケンシング(NGS)で染色体数の異常(異数性)を調べる検査です。しかし、これはあくまで一部の細胞からの推定にすぎません。異数性細胞の割合が胚全体の20%であった場合、生検した細胞の中にそれが1つも含まれない確率は約33%、10%であれば約60%、5%未満であれば80〜90%にのぼると試算されています。細胞ごとに染色体構成が異なる「モザイク胚」の臨床的な扱いをめぐっても、専門家の間で見解が分かれています。

PGT-Aの効果を検証した研究では、反復流産の既往がある患者を対象とした後方視的解析で、PGT-Aを実施した群の生児出生率は47.7%、異所性妊娠が19.0%、自然流産が10.8%と報告され、特に40歳超の患者で恩恵が大きいとされました。別の解析では、35歳以上でPGT-Aを実施した群の臨床妊娠率が54.3〜64.8%であったのに対し、非実施群では33.7〜54.5%にとどまり、全年齢を通じてPGT-A実施群の生児出生率はおよそ3%高かったとされています。一方で、生検や増幅過程でのエラーにより、生検した胚盤胞のうち実際に移植可能となったのは24.4%にすぎなかったとする報告もあり、技術的な限界も無視できません。カナダのある不妊治療クリニックでの費用対効果分析では、1胚あたり約2,500カナダドルのコストに見合う明確な利益が得られるのは38歳超の患者に限られるとされました。また、ドイツのように胚保護法によってPGT-Aの実施が厳しく制限されている国もあり、規制の違いは国境を越えた不妊治療(いわゆる生殖医療ツーリズム)の一因にもなっているとされています。

培養液を読む──「オミクス」技術の可能性と壁

胚が培養液中に放出するタンパク質、代謝産物、無細胞DNA(cfDNA)などを分析する「培養液分析(SCM分析)」も、非侵襲的手法として注目されてきました。代謝物を測定するメタボロミクスでは、グルコース消費量の多い胚盤胞ほど着床成績が良好であることや、異数性胚ではグルタミン消費量が高いことなどが報告されています。培養液中のミトコンドリアDNAについても、良好な胚盤胞ほど含有量が少ないとする「静かな胚」仮説を支持する報告がある一方、統計的に有意差が見られないとする報告も複数あり、結果は一貫していません。

これらのオミクス的手法に共通する課題は、非胚由来のDNAによる汚染と、増幅効率の不安定さです。ある解析では、胚盤胞由来の培養液に含まれるゲノムDNAはわずか4コピー程度、ミトコンドリアDNAは約600コピーにとどまるとされ、この少なさが増幅の失敗につながりやすいことが示されています。さらに、市販の培養液80種類以上を比較した調査では、成分組成が完全に一致する製品は1つもなかったと報告されており、培養液そのものの違いが結果に影響を与えている可能性も指摘されています。こうした標準化の欠如から、現時点でSCM分析は臨床応用に足る信頼性を備えた手法とはみなされていません。

タイムラプス撮影は、成績を本当に押し上げるのか

タイムラプス撮影(TLI)は、培養器から胚を取り出すことなく5〜15分ごとに撮影を行い、発生過程を継続的に観察できる技術です。分裂のタイミングなど、静止画では得られない情報が得られる利点があります。しかし、その臨床的な有用性については評価が分かれています。従来法とTLIによる評価を比較した多施設ランダム化比較試験(SelecTIMO試験)では、臨床妊娠率にも生児出生率にも有意差は認められませんでした。別のランダム化比較試験でも同様に、発生率、着床率、臨床妊娠率のいずれにも統計学的な差は見られなかったとされています。撮影システム自体のコストが高いことも踏まえると、TLI単独での成績向上効果は、現時点で確立されているとは言えない状況です。

AIは胚培養士を超えられるか

人工知能(AI)、なかでも機械学習(ML)は、近年もっとも急速に発展している非侵襲的評価法です。胚盤胞の静止画とPGT-A結果を組み合わせて倍数性を予測するアルゴリズムでは、正倍数性胚のランク付け精度が70%に達し、経験豊富な胚培養士を有意に上回ったとする報告があります。タイムラプス画像を用いた別のアルゴリズムでは、11万個を超える胚のデータを学習させ、既知の着床データを持つ1,094個の胚で判別性能(AUC-ROC)0.67を達成しました。染色体異常のタイプまで判別を試みたアルゴリズムでは、正倍数性と異数性の判別精度69.3%(AUC-ROC 0.761)、複合的な異数性と単純な異数性・正倍数性の判別精度74.0%(AUC-ROC 0.760)という結果も報告されています。静止画のみを用いたLife Whispererというシステムでは、盲検試験において精度59.2%を記録し、同じ画像セットに対する胚培養士の精度47.4%を上回りました。

予測精度は、入力するデータの種類によっても変化します。ある比較研究では、形態動態(モルフォキネティクス)の情報のみを用いた場合の精度は56%でしたが、発生に関する特徴量を加えると67%、さらに患者の年齢や臨床情報を加えると72%まで向上したと報告されています。ただし、患者の民族性や既往歴、体格指数といった機微な個人情報を扱うことへの懸念も指摘されており、ある調査では医療従事者の11.1%がAI利用に伴うプライバシー侵害への懸念を表明しています。加えて、多くのAIモデルが判断根拠を検証できない「ブラックボックス」である点や、経験の浅い胚培養士ほどAIへの依存度が高くなる傾向があるとする報告、少数データでの学習に伴う過学習の問題など、臨床応用にあたって解決すべき課題は少なくありません。

胚が放つ、目に見えない光

哺乳類の卵子や着床前胚は、代謝や酸化的なプロセスを反映して、極めて微弱な自発光(1平方センチメートル・1秒あたり100光子未満)を発していることが知られています。これは「超微弱光子放出(UPE)」または「バイオフォトン」と呼ばれ、低ノイズのイメージングセンサーなどの技術進歩によって、計測が現実的になりつつあります。マウス胚を用いた研究では、正常に発生する胚と変性した胚とで光子放出の強度に違いが見られたと報告されていますが、ヒトの着床前胚を対象とした報告は、今のところ存在しません。

胚の「顔写真」から、染色体の状態を読み解く

総説では、胚の顕微鏡画像そのものを定量的に解析する新しい手法として、University of Guelphで開発された画像解析ソフトウェア「r-Algo 2.0」が紹介されています。この手法は、グレースケールの顕微鏡画像を数値のグリッド(ビットマップ)に変換し、各画素の明るさの分布から、平均輝度(MPI)、輝度のばらつき(MPH)、特定の輝度域に画素が集中する度合い(MPC)といった指標を算出するものです。ヒツジの前核期胚を対象とした先行研究では、その後胚盤胞まで発生した胚と、途中で発生が停止した胚との間で、これらの指標に有意な差が見られ、発生停止を予測する精度はMPIで86%、MPHで83%、MPCで85%に達したと報告されています。

この手法をヒトの胚盤胞に応用した予備的研究も紹介されています。顕微授精を受けた50人の患者(年齢29〜42歳)から得られた day5胚盤胞129個(正倍数性78個、異数性51個)の画像を、PGT-A実施直前に撮影し、r-Algo 2.0で解析したところ、特定の狭い画素強度域において、正倍数性胚と異数性胚のあいだに統計学的に有意な差が確認されました。いずれの指標も、正倍数性胚のほうが異数性胚より高い値を示しています。差が確認された画素強度域は極めて狭く、細胞質レベルでのわずかな微細構造の違いが反映されている可能性が考えられていますが、この所見のみで倍数性を確実に判定できるわけではなく、今後さらなる検証が必要とされています。

日本の生殖医療現場にとっての意味

日本の生殖医療現場でも、形態学的グレーディングとPGT-Aが評価の中心を占めており、評価者間のばらつきや、PGT-Aの費用・侵襲性といった課題は共通しています。今回の総説が示す非侵襲的な画像解析技術は、既存の形態評価を補完する形で、将来的にPGT-A実施の要否を判断する参考情報になり得る可能性を示しています。ただし、現時点でヒトの胚を対象とした検証は予備的な段階にとどまっており、日本の臨床現場で直ちに導入を検討する段階にはありません。今後、より大規模で多施設にわたる検証が積み重ねられることで、画像解析に基づく評価が、侵襲的検査の代替あるいは補完として位置づけられるかどうかが明らかになっていくと考えられます。

研究の強みと限界

本総説の強みは、前核期からPGT-A、培養液分析、タイムラプス撮影、AI、超微弱光子放出、そして画像解析ソフトウェアに至るまで、胚評価をめぐる技術を包括的かつ系統的に整理した点にあります。一方で限界もあります。第一に、紹介されているr-Algo 2.0のヒト胚への応用研究は、単一施設・50症例という小規模な予備的検討にとどまり、他施設での再現性は確認されていません。第二に、AIモデルの多くは判断根拠が不透明な「ブラックボックス」であり、臨床現場での説明責任という観点から課題が残ります。第三に、超微弱光子放出はヒト胚での実証データがまだなく、概念実証の段階にあります。第四に、培養液分析については、汚染や増幅効率のばらつきといった技術的な問題が依然として解決されていません。

おわりに

今回の総説は、胚の発生能力評価をめぐる現行手法の到達点と限界を整理したうえで、非侵襲的な新技術がどこまで臨床応用に近づいているかを示すものです。形態学的グレーディングの主観性、PGT-Aの侵襲性とコスト、培養液分析の標準化の欠如、タイムラプス撮影の限定的な効果といった、それぞれの手法が抱える課題が浮き彫りにされる一方、AIによる画像解析や、胚の画像そのものから倍数性を推定しようとするr-Algo 2.0のような新しいアプローチが、今後の胚評価のあり方を変えていく可能性が示唆されています。これらの技術がPGT-Aを完全に代替するかどうかはまだ明らかではなく、今後のさらなる検証によって、その位置づけが定まっていくと考えられます。

参考文献

1. Singh S, Abass M, Bartlewski J, Kochan J, Murawski M, Wyroba J, Bartlewski PM. “Old and new” frontiers in embryo viability assessment: Current practices and introduction of emerging approaches. Biol Reprod 2026;ioag147. doi:10.1093/biolre/ioag147.

2026年7月10日

生殖医療とナノテクノロジー──配偶子の質向上から精密治療まで

体外受精(IVF)や顕微授精(ICSI)をはじめとする生殖補助医療は、多くの不妊症患者に子どもを持つ可能性をもたらしてきました。しかし、精子の運動率や形態、DNA損傷、卵子の発育能といった配偶子そのものの質は既存の技術では十分に改善できず、特発性不妊や重度乏精子症などのケースでは治療効果が限定的になることが少なくありません。また、体外での操作や凍結保存の過程で生じる酸化ストレスも、配偶子や胚の質を損なう一因として指摘されています。

こうした課題に対し、近年注目を集めているのがナノテクノロジーです。ナノ粒子は表面積が大きく、表面の化学的性質を自在に調整でき、薬物や遺伝子を精密に運搬できるという特性を持っています。この性質を活かし、精子・卵子の保護から卵巣機能不全、多嚢胞性卵巣症候群(PCOS)、子宮内膜症といった複雑な疾患の診断・治療まで、幅広い応用が模索されてきました。

こうした研究動向を体系的に整理した総説が、RSC Advances誌(2026年)に掲載されました(doi:10.1039/d6ra01614f)。中国の複数の大学・病院の研究グループによるもので、配偶子の質向上から精密治療までを一貫した視点でまとめている点が特徴です。

総説がカバーする範囲

本総説は、①精子の質向上と機能回復、②精子選別技術、③卵子の成熟促進と卵巣微小環境の調整、④卵子凍結保存、⑤卵巣機能不全・PCOS・卵管疾患・子宮内膜症への応用、⑥臨床応用に向けた課題、という6つの柱で構成されています。動物実験や細胞レベルの基礎研究が中心であり、ヒトを対象とした臨床試験のデータはまだ限られている点には留意が必要です。

精子の質向上──抗酸化ナノ粒子とエクソソーム

精子の運動率低下や機能障害の主な原因のひとつが酸化ストレスです。活性酸素種(ROS)が精子の抗酸化能力を上回ると、細胞膜やDNAが傷つき、運動率や形態、受精能が低下します。総説では、酸化セリウムナノ粒子(CeO2NP)やセレンナノ粒子(SeNP)、酸化亜鉛ナノ粒子(ZnONP)といった金属系ナノ粒子が、カタラーゼやスーパーオキシドディスムターゼといった抗酸化酵素の働きを模倣し、ROSを中和することで精子の運動率や生存率を高める例が紹介されています。一方で、酸化セリウムナノ粒子への長期曝露が精子数や運動率をかえって低下させたとの報告もあり、粒子の大きさや形状、表面修飾によって毒性を制御する必要性が指摘されています。

40〜150nm程度の大きさを持つエクソソーム(細胞外小胞)も、有望な素材として取り上げられています。ヒト臍帯間葉系幹細胞由来のエクソソームは、精子の運動率を高め、ROSレベルを下げ、アポトーシス関連タンパク質の発現を抑えることが確認されています。精索静脈瘤(バリコセーレ)による男性不妊は世界の不妊男性のおよそ15〜40%に影響するとされますが、エクソソーム封入型のナノクルクミンによる治療で精子濃度・運動率が改善し、異常形態率が減少したとの報告も紹介されています。

精子選別──磁気活性化細胞分離とマイクロ流体技術

顕微授精では運動率の低い精子でも受精は可能ですが、より機能の高い精子を選び出すことは治療成績の向上につながります。従来のスイムアップ法や密度勾配遠心法には、回収率の低さやROS産生といった限界がありました。

磁気活性化細胞分離(MACS)は、アポトーシスを起こした精子の細胞膜に現れるホスファチジルセリンを標的に、磁性を帯びたアネキシンVでアポトーシス精子を除去する技術です。ある比較研究では、MACSによって精子DNA断片化指数(DFI)が0.27ポイント低下したことが報告されています。マイクロ流体チップを用いた技術では、精子固有の流体力学的性質を利用して20分以内に16,000個以上の高運動精子を分離でき、運動率・運動精子数・DNA完全性がそれぞれ45%、20%、80%改善したとする研究も紹介されています。ただし、これらの技術が累積生児出生率のような臨床的に意味のある指標にどこまで寄与するかは、今後の検証が必要とされています。

卵子の質向上と卵巣微小環境の調整

卵子側でも、卵胞液由来のエクソソームや幹細胞由来エクソソームが、卵丘細胞の拡張や核成熟を促す役割を果たすことが示されています。キトサンやリポソームを用いたナノ粒子は、メラトニンやゴナドトロピン放出ホルモンといった生理活性物質を精密に運搬し、体外成熟(IVM)の過程で生じる酸化ストレスを軽減する手段として研究されています。

卵巣そのものの微小環境を改善するアプローチとしては、細胞外マトリックスを模倣した3Dスキャフォールド(足場)材料が紹介されています。アルギン酸ゲルやヒアルロン酸ゲル、フィブリンゲルなどに幹細胞や成長因子を組み込むことで、卵胞の生存・発育を支える人工的な微小環境を構築する試みが進められています。

卵子凍結保存──氷結晶の抑制と急速昇温

卵子凍結保存では、ガラス化保存の過程で生じる氷結晶が細胞を損傷する主な要因となります。総説では、酸化グラフェン(GO)が氷の結晶面に結合して表面を曲面化することで氷点を下げ、結晶の成長を抑える仕組みが説明されています。また、磁性ナノ粒子を用いた電磁共鳴による昇温システムでは、毎分200℃を超える昇温速度が実現され、ミリリットル規模の試料の急速かつ均一な解凍が可能になったとされています。金ナノロッドを用いた光熱変換による解凍技術では、ゼブラフィッシュ胚において未凍結の対照群に匹敵する生存率が得られ、一部の個体は生殖可能な成体まで発育したことも報告されています。

卵巣機能不全・PCOS・卵管疾患・子宮内膜症への応用

早発卵巣不全(POI)や早発卵巣機能不全(POF)に対しては、PD-L1やGal-9といった免疫調節因子をエクソソーム型の担体で運搬し、卵巣の自己免疫反応を抑制して抗ミュラー管ホルモン(AMH)値の低下を食い止める試みが紹介されています。多嚢胞性卵巣症候群(PCOS)に対しては、メトホルミンやベルベリン、スピロノラクトンといった既存薬をナノ粒子やヒドロゲルに封入し、経腟投与や局所塗布によって全身性の副作用を軽減する研究が進められています。

女性不妊のおよそ25〜35%を占めるとされる卵管性不妊に対しては、近赤外蛍光を利用したナノプローブによる非侵襲的な卵管造影の試みが紹介されています。生殖年齢女性の10〜15%、不妊症女性に限れば20〜25%が経験するとされる子宮内膜症については、蛍光色素を用いたナノ粒子が異所性病巣を選択的に光らせて手術中の識別を助ける診断技術や、グルコースオキシダーゼを搭載したナノ粒子で病巣のグルコース代謝を阻害し細胞死を誘導する治療的アプローチなどが取り上げられています。

臨床応用への壁──安全性、量産、規制

総説は、これらの技術が臨床応用にどこまで近づいているかにも触れています。体外での精子選別や凍結保存への応用は全身への曝露を伴わないため比較的臨床応用に近い位置にあるとされる一方、卵巣機能不全やPCOS、子宮内膜症に対する生体内投与型のナノ粒子治療の多くは、まだ前臨床段階にとどまっています。ナノ粒子が血液精巣関門や胎盤関門を通過する可能性、世代を超えて影響が及ぶ可能性についても、現時点では動物実験由来の限られた知見しかなく、長期的な追跡調査の枠組みづくりが今後の課題とされています。加えて、ロット間で粒子径や表面電荷、薬物封入効率にばらつきが生じやすいことも、大規模製造や品質管理における障壁として指摘されています。

日本の生殖医療現場にとっての意味

日本の生殖医療現場では、精子選別のための密度勾配遠心法やスイムアップ法、卵子・胚のガラス化保存といった技術が広く用いられていますが、いずれも既存の非ナノ技術が中心です。今回の総説が示すマイクロ流体技術やMACSは、体外での操作にとどまるため比較的導入のハードルが低いと考えられ、特発性不妊や高DFI症例における精子選別の選択肢として、今後の技術評価が注目されます。一方、卵巣機能不全やPCOS、子宮内膜症に対する生体内ナノ粒子治療については、安全性データの蓄積がまだ乏しく、臨床導入までには相応の時間を要するとみられます。

研究の強みと限界

本総説の強みは、精子・卵子といった配偶子レベルの技術から、卵巣疾患・卵管疾患・子宮内膜症といった臓器レベルの疾患治療までを一貫した枠組みで整理した点にあります。材料科学的な観点(粒子の組成、サイズ、表面修飾、放出挙動)と生殖生物学的な観点の両方から評価している点も特徴です。

一方で限界も存在します。第一に、紹介されている研究の多くは動物モデルや細胞培養系によるものであり、ヒトでの有効性・安全性を直接示すものではありません。第二に、ナノ粒子の生体内動態や配偶子・胚への長期的な影響については、エビデンスが限定的です。第三に、エクソソームなど生体由来ナノ担体は、大量生産や均質な品質管理の面で標準化が確立されていません。

おわりに

今回の総説は、ナノテクノロジーが精子・卵子の質向上から卵巣・卵管疾患の診断治療まで、生殖医療の幅広い領域で応用可能性を持つことを示しています。同時に、安全性評価の枠組み整備や大規模製造技術の確立、そして何より人を対象とした臨床試験の蓄積が、実用化への前提条件として残されています。今後は人工知能や多階層オミクス解析、オルガノイドといった技術との統合が、分子メカニズムの解明と臨床応用の加速につながることが期待されています。

参考文献

1. Wen X, Wang Z, Lin J, Li L, Wang H, Liu P, Hu H, He C, Zheng Z, Liu R, Dong K, Huang D, Xiao X. Nanotechnology in reproductive medicine: from gamete engineering to precision therapeutics. RSC Adv 2026 (in press). doi:10.1039/d6ra01614f.

2026年7月7日

「IVFラボの心得」を約10年ぶりに全面改訂──ESHREが示す現場運営のための実践指針

体外受精(IVF)の臨床成績は、培養士の技術や施設の設備、そして日々の運用ルールに大きく左右されます。しかし「どのくらいの人員が必要か」「どこまでダブルチェックすべきか」「非典型的な受精像をどう扱うか」といった実務上の判断基準は、施設ごとにばらつきが生じやすい領域でもあります。

欧州生殖医学会(ESHRE)は、IVFラボにおけるGood Practice勧告を2008年に初めて公表し、2015年に一度改訂しました。今回、Human Reproduction誌(2026年)に、約10年ぶりとなる全面改訂版が掲載されました(doi:10.1093/humrep/deag096)。背景には、検査手法や体外受精技術の高度化に加え、ヒト由来物質(SoHO)の品質・安全性に関するEUの新規則が2024年に公布され、対応が必須となったことがあります。

今回の改訂では、人員配置や品質管理体制といった組織運営の章に加え、患者・検体の識別とトレーサビリティ、消耗品管理、精子・卵子の取り扱い、受精判定、胚培養と胚移植、胚生検、凍結保存、緊急時対応まで、ラボ業務全体が見直されました。とりわけ、胚培養・胚移植の章が二つに分割され、精子調整の章はアンドロロジー全般を扱うよう拡張され、胚生検については新たに独立した章が設けられています。

作成方法──10年分の知見と406件のコメントをどう反映したか

今回の勧告は、胚培養・安全性と品質・アンドロロジーの各専門部会から集まった10名の作業部会によって作成されました。2015年版を出発点に、不足している論点を洗い出したうえで、2026年1月13日までに発表された文献をPubMed/MEDLINEとCochraneライブラリで検索し、根拠となる論文を担当委員が要約・提示し、部会内で合意形成が図られました。文献による裏付けが乏しい部分については、専門家の合意に基づいて記載されています。

最終案は2026年2月3日から3月3日までESHREのウェブサイトで公開され、利害関係者からのレビューを受けました。36名の査読者から寄せられた406件のコメントが精査され、関連する内容が反映されたうえで、ESHREの執行委員会による承認を経て公表されています。

「1人あたり119周期」という具体的な目安

人員配置に関する章では、どの規模の施設でも最低2名の資格を持つ臨床培養士を置くことが常に推奨されるとされました。ラボ責任者には、医学・生物医学系の高等学位(MD、MSc、PhDのいずれか)に加え、6年以上のヒト胚培養の実務経験と、可能であればESHREのシニア臨床培養士認定の取得が求められています。

必要な人員数の算出方法についても具体的な数値が示されました。スペインでの調査(Veiga らによる2022年の研究)では、タイムラプス培養を含むIVF/ICSI周期を年間119件行うごとに、常勤の臨床培養士1名(1日8時間勤務)が必要と試算されています。アンドロロジー(精液)検査については、年間549検体ごとに常勤1名が必要とされました。別の総説(Shirasawa と Terada による2025年の報告)では、周期数150件までは培養士2〜3名、300件までは3〜4名、600件までは4〜5名、それ以降は150〜200件増えるごとに1名を追加するという目安も紹介されています。ただし、これらはあくまで参考値であり、各施設が自らの業務フローに基づいて必要人員を算出し、その根拠を文書化することが推奨されています。

患者取り違えは0.001〜0.002%──それでもダブルチェックが必須とされる理由

2024年7月に公布されたEUのSoHO(ヒト由来物質)規則は、ドナーから受領者に至るまでの完全なトレーサビリティを求めています。今回の改訂では、患者・検体の識別番号の付与、機械可読なコード化、そして重要な工程における二重確認(ダブルウィットネス)またはそれに準じる電子照合システム(EWS)の活用が、あらためて詳細に規定されました。トレーサビリティ記録は原則として30年間、機器・重要資材の記録は少なくとも10年間保管することが求められています。

胚や配偶子の取り違えといった重大インシデントは、実際には極めてまれで、報告によれば全体の約0.001〜0.002%程度とされています(Sterckx らの2023年の報告)。それでも、ヒューマンエラーを防ぐための仕組みとして、手作業による二重確認、または電子照合システムの併用が改めて推奨されました。電子照合システム自体にも誤作動や過信によるリスクがあるため、定期的な監査と、手作業での確認能力を維持するための教育の両立が重要だと位置づけられています。

受精確認の基準が更新──前核1個の胚にも“条件付き”の道

受精確認に関する章は、2025年に更新されたイスタンブールコンセンサスの内容を反映し、大きく書き換えられました。従来どおり2つの前核(2PN)が確認された胚が標準として扱われる一方、非典型的な受精像についての取り扱いが整理されています。

たとえば、受精確認の時点で前核が観察されなくても第二極体が確認できる場合は、胚盤胞まで培養することで正常受精と判別できるとされ、遺伝子検査なしでの臨床利用も許容されています。一方、前核が1つしか見えない「1PN」の胚や、2つの前核に加えて小さな微小前核が見られる「2.1PN」の胚については、胚盤胞まで培養したうえで、可能であれば両親性を確認できる着床前遺伝子検査(PGT-A)を実施し、診療チームと患者との話し合いのもとで、施設内で承認された方針に基づき慎重に利用を検討できるとされました。3つの前核が見える「3PN」の胚については、日常診療での利用は推奨されないものの、臨床研究の枠組みでは許容され得るとされています。

この整理は、前核が1つしか観察されない胚の一部が両親性の正常胚であり得るという、近年蓄積されてきたエビデンスを踏まえたものです。従来一律に廃棄されてきた非典型的な受精像の胚について、遺伝子検査と組み合わせた慎重な利用の余地が、国際的な学会レベルの勧告として明記された点は、実務上の意味が大きいといえます。

新設の「胚生検」章──PGT周期が全体の6.9%を占める時代に

着床前遺伝子検査(PGT)を伴う周期は、欧州の登録データでIVF・ICSI・凍結胚移植周期全体の6.9%を占めるとされ、胚生検の作業量は増加傾向にあります。こうした背景から、今回初めて胚生検に特化した独立の章が設けられました。

生検の対象としては、遺伝子検査に利用できる細胞数が多く、内細胞塊への影響が少ない胚盤胞期での実施が標準とされ、栄養外胚葉の細胞は5〜10個程度の採取が推奨されています。ある後方視的研究では、10個を超える細胞を採取した場合、2〜6個の採取と比べて着床率が低下したことが報告されています。透明帯の開孔と生検を同時に行う方法は、胚盤胞3〜4日目に先行して開孔しておく方法と比べて、正倍数性の単一胚移植あたりの生児出生率が高かったとする報告も紹介されています。

なお、DNA増幅の失敗などにより診断がつかない事例は、栄養外胚葉生検全体の2〜6%程度で生じるとされ、再融解・再生検・再凍結が必要になります。複数のメタ解析では、二重生検・二重凍結は、単回の生検・凍結と比べて生児出生率や臨床妊娠率が低く、流産率が高い傾向が示されていますが、これまでに報告された新生児の予後には明らかな悪影響は認められていません。

災害への備え──「電源遮断まで何分もつか」を知っておく

今回の改訂で新たに重視されているのが、コンティンジェンシープラン(不測の事態への備え)と緊急時対応計画です。気候変動に伴う自然災害の増加を踏まえ、停電やインキュベーター故障といった限定的なトラブルへの備えと、火災や地震、洪水といった大規模災害への備えを区別して整理することが推奨されています。

具体的には、無停電電源装置(UPS)や自家発電機の確保、液体窒素の予備タンクの用意、そして停電時にインキュベーターがどれだけの時間、庫内環境を維持できるかをあらかじめ把握しておくことなどが挙げられています。火災時には安全のためすべての電気系統が強制的に遮断される場合があり、その際にどの検体を優先的に避難させるか、あるいは緊急凍結を行うかを、あらかじめ手順化しておくことの重要性が強調されています。近隣施設とのバックアップ体制の構築や、避難訓練の実施も推奨事項に含まれています。

日本の生殖医療現場にとっての意味

日本では、培養士の資格や人員配置基準、ダブルチェックの範囲について、施設ごとの裁量に委ねられている部分が少なくありません。今回のESHRE勧告は、あくまで欧州の規制枠組みを前提としたものであり、そのまま日本に適用できるわけではありませんが、人員配置の具体的な試算方法や、非典型的な受精像に対する段階的な判断基準は、日本の施設が自院の運用を点検する際の参考材料になり得ます。

特に、1PN胚や2.1PN胚の取り扱いについては、国内の運用がまだ統一されていない領域であり、今回の国際的な整理は、施設内での方針策定や患者への説明のあり方を検討するうえでの出発点となる可能性があります。また、緊急時対応計画についても、地震や豪雨といった自然災害のリスクが高い日本の現場にとって、具体的な備えを見直す契機になると考えられます。

本文書の性質と留意点

本勧告は、無作為化比較試験のような一次研究ではなく、既存文献のレビューと専門家の合意に基づくGood Practice勧告という性格を持ちます。そのため、記載されている推奨事項のすべてに強固なエビデンスの裏付けがあるわけではなく、根拠が乏しい部分は専門家の経験知に基づいて補われています。また、欧州の法規制(SoHO規則やEDQM指針)を前提とした内容が多く含まれており、各国・各地域の規制環境に応じた読み替えが必要です。

おわりに

今回のESHRE勧告改訂は、人員配置の具体的な算出方法、SoHO規則に対応したトレーサビリティ体制、更新されたイスタンブールコンセンサスに基づく受精判定基準、新設された胚生検の章、そして気候変動を踏まえた緊急時対応計画まで、IVFラボの運営全体を包括的に見直したものです。エビデンスが十分でない領域については今後も知見の蓄積とともに改訂が続けられる見通しであり、各施設が自らの体制を点検するための参照点として活用されることが期待されます。

参考文献

1. ESHRE Good Practice in the IVF Lab Working Group; Arroyo G, Barrie A, Coticchio G, Ebner T, Kirkman-Brown J, Le Clef N, Lundin K, Magli C, Quesada Martinez M, de los Santos Molina MJ, Tilleman K, Sfontouris I. ESHRE recommendations on Good Practice in the IVF laboratory. Hum Reprod 2026;00(00):1-25. doi:10.1093/humrep/deag096.

2026年6月25日2026年8月31日

IVFラボの自動化は、どこまで来たか──AI選別からロボットICSIまで、エビデンスの濃淡

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.