自20世纪90年代末以来，生物医学数据可访问性的提高加速了人工智能（AI）在生殖医学中的应用。人工智能可以指导不孕夫妇的最佳临床管理，改善临床和患者报告的结果，以及提高成本效益。以前，人工生殖的人工智能已经应用于配子选择和预测体外受精（IVF）的结果。利用人工授精技术选择精子与受精潜能和成功的体外受精周期相关的技术是有限的。例如，一个计算机辅助的精子分析向量机模型被用来将人类精子分为五个动力学类。以前使用人工授精评估获能作为受精潜能指标的技术，包括Cap评分（Androvia，Mountainside，NJ）和穿透分析，最终产生的精子不能用于治疗，因为它们会被破坏或浪费。
在目前的研究中，Gunderson等人表明，在一个单一的机构序列中，用流式细胞术测量正常精子男性的精子细胞内pH值与常规体外受精成功相关。梯度增强的决策树机器学习算法能够准确预测常规体外受精的成功率。这包括每个伴侣的临床和人口统计学变量、精子细胞内pH值和精子膜电位、精子活力亢进、精子线性系数、精子头部侧移和精子曲线速度。此外，与穿透试验相比，这些精子细胞内pH值和精子膜电位的测定为精子获能提供了可靠的评估。
有几种技术已经被描述用于精子分类。这些包括微流体技术，它使用小的流体流对细胞进行分类；磁激活细胞分类，它使用一个带磁性的水柱，可以对抗体细胞表面抗原标记的细胞进行分类；荧光激活细胞分类，荧光标记的细胞根据激光的散射进行分类。精子分类有助于从射精中选择最佳的精子功能进行人工生殖。然而，人工智能还没有常规应用于精子分类技术。
必须更加重视少数有机会受精的精子和最终使卵子受精的精子。与可供选择的卵母细胞数量相对有限相比，大多数男性有数百万精子可供选择。尽管我们目前使用了许多辅助技术来纯化用于体外受精的精子，但最适合于卵胞浆内单精子注射或体外受精的精子的鉴定通常依赖于熟练的人类在显微镜下选择外观最佳的精子，而没有任何关于其生育潜力的信息。精子选择是人工生殖的一个领域，随着新技术的发展，它可以在不引起细胞损伤的情况下审问少数或单个精子。人工智能可以帮助加速这种转变。
然而，人工智能在精子选择中的应用还存在一些障碍。即使是一个有条不紊健全的人工智能模型也会受到其发展所依据的数据的限制，就像当前研究中的情况一样，这些数据来自一个相对较小的单中心队列。这就产生了固有的选择偏差，限制了该算法在现实世界中的直接临床应用。此外，类似于其他机器学习算法的研究，结果往往很难再现。在该算法应用于临床之前，需要进行进一步的研究，以利用更大的、异质的、多中心的队列重现该算法的准确性，这超出了与研究相关的目的。与其他方法相比，流式细胞术成本低，效率低，这也可能影响更广泛的临床应用。
虽然这项研究依赖于一种解释和应用相对简单的决策树机器学习算法，但在利用神经网络进行人工再生产和能够根据新情况实时调整并处理缺失值的深度学习方面的应用相对有限。最终，人工智能用于配子选择和预测体外受精成功与否依赖于高质量的训练数据。生殖专家、生物信息学家、计算科学家和能够利用大数据力量的生物统计学家之间加强合作，将使人工智能在人工生殖中得到更广泛的应用。虽然目前研究中提出的精子胞内pH值和决策树机器学习算法还不能直接应用于临床，但这代表了人工智能在精子选择和体外受精结局预测方面的另一个重要发展。
欲知详情，扫码咨询
