MEDICINE & AI

タイトル：Artificial intelligence models and combined scoring approaches for endometrial receptivity assessment in in vitro fertilization DOI：10.3389/frai.2025.1673800 概　要： 本研究は、体外受精（IVF）における子宮内膜受容性評価における人工知能（AI）モデルと統合スコアリングシステムの有効性を評価することを目的としています。AI駆動の画像解析を用いて、子宮内膜の自動セグメンテーション（U-NetとVGG16エンコーダー）および胚の質の分類（VGG16）を行い、患者特有の臨床確率指標（SART）と組み合わせて複合スコアを生成しました。超音波画像は標準化されたパイプラインで処理され、厚さ、エコー特性、派生指標の自動定量化が可能となりました。複合スコアは、AI由来の胚質スコア（EQS）、AI由来の子宮内膜受容性スコア（ERS）、およびSART妊娠確率を基に算出され、内部検証では複合スコアが生化学的妊娠の識別性能において個別の要素よりも優れていることが示されました。 方　法： この研究は、単一施設での回顧的研究であり、AIを用いた画像解析による子宮内膜の自動セグメンテーションと胚の質の分類を行いました。複合スコアは、AI由来の胚質スコア（0-10）、子宮内膜受容性スコア（0-10）、およびSART妊娠確率を基に算出され、内部検証において生化学的妊娠の識別性能を評価しました。主要評価指標は、複合スコアのAUC 0.94です。 結　果： 複合スコアは、生化学的妊娠の識別においてAUC 0.94を達成し、個別の要素（EQS 0.88、ERS 0.85）よりも高い性能を示しました。統合スコアリングは、単一ソースモデルに対して予測精度を向上させましたが、単一施設の回顧的デザインと限られたデータセットにより一般化可能性は制限されています。 結　論： AIベースのモデルは、多次元スコアリングフレームワークに組み込まれることで、胚移植のタイミングを最適化し、精密IVFを支援する可能性が示されました。臨床専門知識を補完するものであり、今後は多施設での前向き検証と説明可能なAIの導入が必要です。