染色体数量异常，称为非整倍体，是体外受精（IVF）胚胎无法植入或无法健康怀孕的主要原因。目前检测非整倍体的方法之一涉及对胚胎细胞进行类似活检的取样和基因检测，这种方法增加了IVF过程的成本，并且对胚胎具有侵入性。

　　目前，医生主要使用显微镜来评估胚胎是否存在与生存能力差相关的显著异常。为了获得有关染色体的信息，医生还可使用一种称为植入前非整倍体基因检测（PGT-A）的活检方法。

　　在新研究中，研究团队开发了STORK-A算法作为PGT-A的潜在替代方法，或作为一种更具选择性的方式来决定哪些胚胎应该进行PGT-A测试。

　　新算法STORK-A使用受精后5天拍摄的胚胎显微镜图像、胚胎质量评分、母亲年龄等信息，会自动“学习”将数据的某些特征与非整倍体的可能性相关联。研究团队在10378个胚泡的数据集上训练了STORK-A，这些胚泡的倍性状态已知。他们在独立数据集上测试了该算法，发现了相当的准确性结果，证明了STORK-A的普遍性。

　　据研究人员评估，该算法在预测非整倍体与正常染色体“整倍体”胚胎方面的准确性接近70%。在预测涉及多个染色体的非整倍体（复杂的非整倍体）与整倍体相比，STORK-A的准确率为77.6%。他们希望最终能够使用AI和计算机视觉技术以完全非侵入性的方式预测非整倍体。

　　新算法代表了在降低IVF胚胎选择风险、减少主观性、降低成本和提高准确性方面取得的进展。研究人员称，这是AI潜在改变医学的一个很好的例子。