「体外受精をしています。移植する胚を、先生はどうやって選んでいるんでしょうか。聞いても『いい胚から戻します』としか言われなくて——本当にそれで合っているのか、正直、不安なんです」
外来やメールで、こういう声を聞くことがあります。不妊治療は、通っているご本人にしか分からない緊張の連続です。ホルモン注射、採卵、受精、培養——一つひとつのステップに一喜一憂しながら、最後に「どの胚を子宮に戻すか」という関門が待っている。そして、その最も大事な選択が、しばしば「経験を積んだ胚培養士や医師の目」に委ねられている。この不透明さが、当事者にとってどれだけ心細いものか、私は外来で何度も感じてきました。
不妊治療は、この10年でずいぶん身近になりました。それでも「どうやって胚を選ぶのか」という核心の部分は、当事者にとって今もブラックボックスのまま。今日は、その扉を少しだけ開けるかもしれない一本の論文を、一緒に読み解いていきます。先週、npj Digital Medicine誌に載った、AIが胚を「傷つけずに」評価する試みの話です。
なぜ「見た目がきれいな胚」が、必ずしも妊娠しないのか
まず、体外受精で「胚を選ぶ」とはどういうことか、から始めさせてください。
採卵して受精させた卵は、培養器の中で数日かけて細胞分裂を繰り返し、「胚盤胞」という状態まで育ちます。このとき、複数の胚が得られることも珍しくありません。けれど、一度に子宮へ戻せる数は限られている。だから「どの胚から戻すか」という順番を決める必要があるのです。
長年、この判断のよりどころになってきたのが「見た目(形態)」です。細胞の数、そろい方、断片の少なさ——顕微鏡でのぞいた胚のフォルムを、熟練の目でランク付けする。ただ、ここに難しさがあります。形がきれいな胚が、必ずしも妊娠に至るわけではない。逆に、見た目が満点ではない胚から、元気な赤ちゃんが生まれることもある。見た目と「妊娠する力」は、きれいに一致しないのです。
その大きな理由の一つが、染色体の数の異常(異数性)です。染色体の本数がずれている胚は、見た目が整っていても着床しにくく、流産の原因にもなります。そしてこの異常は、外側の形だけを見ても分からないことが多い。
では、染色体を直接調べればいいのでは——そう考えて生まれたのが「PGT-A(着床前遺伝学的検査)」です。胚盤胞から細胞を数個つまみ取り(生検)、その遺伝子を解析して染色体の数を調べる。精度は高い検査です。けれど、ここにもトレードオフがあります。胚に針を入れて細胞を採るという物理的な操作が伴い、費用も時間もかかる。「わが子になるかもしれない胚に、手を加えることへのためらい」を口にされる方も少なくありません。
見た目だけでは足りない。かといって、生検にも負担がある。この二つの間で、生殖医療はずっと「もっと良い選び方はないか」を探し続けてきました。
「胚を傷つけずに選ぶ」という発想——ある論文が投げかけた問い
そこに登場したのが、今回ご紹介する「FEMI」というAIモデルです。
発想はシンプルです。多くの不妊治療クリニックでは、いま「タイムラプスインキュベーター」という培養器が使われています。これは培養器の中にカメラが内蔵されていて、胚が育っていく様子を、取り出すことなく連続撮影できる装置です。FEMIは、この映像をAIで解析し、胚の染色体異常のリスクをスコアとして出す。つまり、すでにクリニックにある「カメラ映像」だけで、生検なしに染色体異常のリスクを推定しようという試みです [1]。
原著ではFEMIを "foundational AI model" と呼んでいます。ChatGPTのような何でもこなす巨大モデルとは違い、胚の画像評価という一点に特化して設計されたモデルだと理解してください。
ただ——ここが今日いちばんお伝えしたいところなのですが——「AIが胚の異常を当てられる」という話だけなら、実はこれまでにも報告があります。今回の論文がわざわざ一流誌に載ったのは、そこから一歩踏み込んで、ある厄介な問いに正面から答えようとしたからです。
その問いとは、「AIの予測が高精度である」ことと、「そのAIを使うと本当に妊娠の結果が良くなる」ことは、はたして同じなのか——というものです。
タイトル原題: "Trial emulation for validating the clinical efficacy of a foundational AI model in embryo selection" 日本語訳: 胚選択における基盤AIモデルの臨床的有効性を検証するための試験エミュレーション 掲載誌: npj Digital Medicine(2026年4月23日) 筆頭著者: Rajendran S ら(Weill Cornell Medicine / IVIRMA Global Research Alliance) デザイン: 多施設ターゲット試験エミュレーション(後ろ向き因果推論) 対象: 4,674胚
