东京大学研究生院医学系研究科的原田美由纪教授、东京大学医学部附属医院的小池洋助教（研究当时，现隶属于医学系研究科）、SIOS Technology株式会社（东京都港区南麻布）的野田胜彦先生、吉田要先生等人的研究团队发表研究成果称，开发出了能够预测卵巢功能的人工智能（AI）模型。该模型通过问诊和抽血的简单方法，不仅能够高精度预测卵子数量，还能够预测卵子质量，这是此前没有的手法。该成果有望应用于孕前护理和不孕不育治疗的个性化及优化治疗。相关研究成果已发表在《Journal of Ovarian Research》的7月18日号上。
图1 预测卵巢功能的AI模型概览图（供图：东京大学）
图2 预测卵巢功能的AI模型的开发流程（供图：东京大学）
近年来，由于晚婚等生活方式的变化，与年龄增长相关的不孕不育症增加，接受辅助生殖技术（ART）治疗的患者数量也呈增加趋势。随着年龄的增长，受孕率下降的主要原因为卵巢功能的下降。
体外受精后，每次胚胎移植的怀孕率在20岁至30岁前半段为45%左右，呈现较高水平，但随着年龄增长会急剧下降，占治疗患者数量很大一部分的40岁左右会下降至25％，45岁则下降至8%。卵巢内的原始卵泡数量在出生时为200万个，到青春期为30万个，闭经期为1000个，呈现持续减少趋势。
因此，本次研究团队旨在开发一种工具，可利用在开始不孕不育治疗前阶段获得的诊疗信息，高精度地预测卵巢功能。
研究团队从东京大学医学部附属医院和相关设施收集了卵巢功能等的详细数据，并构建了多个预测模型。此外，为了提高模型精度，筛选了有用的指标，并精简了对象项目。
作为预测卵子数量的模型，采用了机器学习模型之一的随机森林模型。使用5个项目输入的模型表现出最高的预测精度，并且证实该精度高于目前使用抗缪勒管激素（AMH）值的预测精度。
另外，作为预测卵子质量的模型，使用14个项目输入的随机森林模型表现出最高的预测精度。到目前为止，有关卵子质量的研究一直在利用不孕不育治疗开始后获得的各种数据进行，但尚未达到临床应用的程度，也没有成立的方法。该模型展示出以更少的身体负担来预测卵子质量的可能性。
通过利用该模型，可以实现为将来怀孕做准备的早期健康管理（孕前护理）。
此次开发的卵巢功能预测模型通过输入年龄、月经周期等听诊内容以及少量抽血可知的项目，可以高精度地预测“卵子数量和质量”。如果能够对每位患者的卵巢功能进行高精度的预测，就可以根据个人状况提供最优化的医疗服务。
未来将提供个性化医疗服务
原田教授表示：“本研究最具划时代意义的一点是，仅通过问诊和抽血结果即可预测卵巢功能的可能性。虽然需要进一步的研究来提高模型的准确性，但我们期待其未来能够成为一种有用的工具，使女性能够通过可靠的检查了解自己的卵巢功能，从而帮助进行孕前护理，或者在医疗现场充分了解患者个人的卵巢功能，并在此基础上提供个性化医疗服务”。
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
期刊：Journal of Ovarian Research
论文：Assessment and prediction models for the quantitative and qualitative reserve
of the ovary using machine learning
DOI：10.1186/s13048-025-01732-0
