AI辅助胚胎筛选技术获FDA突破性设备认定：人工智能如何改变试管婴儿 - 行业资讯

里程碑事件

2026年6月，美国FDA授予两家AI胚胎评估系统"突破性设备认定"（Breakthrough Device Designation），标志着人工智能辅助生殖技术正式进入监管快车道。获得认定的系统分别是以色列Fairtility公司的CHLOE EQ和美国Alife Health的EmbryoAI，两者均利用深度学习算法对延时摄影（time-lapse）胚胎图像进行自动化分析。

FDA突破性设备认定旨在加速具有潜在临床突破意义的创新医疗设备的审批流程。获得认定的产品将获得FDA的优先审查和更密切的指导支持，审批周期有望从常规的3-5年缩短至12-18个月。

AI胚胎筛选的工作原理

传统的胚胎评估主要依赖胚胎学家在显微镜下定时观察胚胎的形态学特征，如细胞数量、碎片比例、细胞对称性等。这种方法存在两个主要局限：一是评估是间断性的（通常每天1-2次），二是主观性较强（不同胚胎学家之间的一致性约在70%-80%）。

AI胚胎筛选系统的工作流程如下：

持续图像采集：延时摄影培养箱每5-10分钟自动拍摄胚胎图像，在5-6天的培养周期内共生成数千张图像
特征自动提取：深度学习模型自动识别和分析胚胎发育的数百个时空特征，包括细胞分裂的时间节律、卵裂球均匀度、囊胚扩张速率等，其中许多特征是人眼难以察觉的细微模式
整倍体预测：模型基于数百万个已知妊娠结局的胚胎数据训练，输出胚胎的整倍体概率评分和着床潜力预测
辅助决策：系统生成排序报告，帮助胚胎学家和临床医生选择最有可能成功着床的胚胎

临床证据

2025年12月发表在《Human Reproduction》上的一项多中心随机对照试验（RCT）显示，AI辅助胚胎筛选组与非AI标准筛选组相比：

整倍体预测准确率：AI组AUC达到0.87（95% CI: 0.84-0.90），显著优于人工形态学评估的0.72
临床妊娠率：AI组为65.3%，对照组为52.1%（p < 0.001）
活产率：AI组为52.8%，对照组为41.6%（p < 0.01）
流产率：AI组略低于对照组，但差异未达到统计显著性

该研究覆盖了14个国家的32个生殖中心，共纳入5,672个IVF周期，是目前AI胚胎评估领域规模最大的临床研究。

实际应用推广

截至2026年年中，全球已有超过300家生殖中心在临床实践中使用AI胚胎评估系统。在美国，约25%的SART（辅助生殖技术协会）注册诊所已引入AI辅助胚胎筛选。欧洲方面，英国、西班牙、希腊等国的多个大型生殖中心已将AI系统纳入标准操作流程。

值得注意的是，AI系统的应用并非要取代胚胎学家，而是作为一种辅助工具提升决策的一致性和准确性。绝大多数使用AI系统的诊所采用的是"AI预筛选+人工确认"的工作模式。

中国的发展态势

在中国，多家辅助生殖AI企业也取得了显著进展。深圳的贝康医疗和上海的亿康基因等企业已开发出具有自主知识产权的AI胚胎评估系统。2026年4月，国家药监局（NMPA）发布了《人工智能辅助生殖医疗器械注册审查指导原则（征求意见稿）》，预计年内将出台正式版本，为国内AI胚胎评估产品的注册上市铺平道路。

伦理与监管考量

AI辅助胚胎筛选引发的伦理讨论主要集中在两个方面：一是算法的可解释性问题——深度学习模型的"黑箱"决策机制使得临床医生难以向患者解释某个胚胎为何被评定为低分；二是数据偏差风险——如果训练数据主要来自特定人群，AI系统可能对其他人群的评估不够准确。

专家建议，AI胚胎评估系统的开发和应用应遵循以下原则：透明性（披露训练数据的来源和特征）、可解释性（提供影响评分的关键发育参数）、公平性（确保不同人群间的评估准确性一致）和持续监测（上市后持续追踪临床结局数据）。

未来展望

随着监管框架的完善和临床证据的积累，AI辅助胚胎筛选有望在未来3-5年内成为辅助生殖领域的标准配置。从更长远的视角来看，AI技术与基因组学、代谢组学的整合可能进一步推动个性化辅助生殖的发展——根据每个胚胎的多维度数据选择最优移植策略，最大限度地提高单次移植的成功率。

免责声明：本文仅为行业资讯报道，不构成医疗建议。辅助生殖技术选择应在专业医生指导下进行。