文 | 杨苏颖
来源 | 智能相对论（ID：aixdlun）
老龄化，人口红利优势逐渐缩小，劳动力成本大幅上升描绘出了一幅刺激中国人生殖的宏观图景。但13年开放的单独二孩政策，并没有收到实际的效果。于是，2016年，单独二孩政策变成了全面二孩政策。智能医疗一直在风口上，而AI辅助生殖的点子却仿若蒙尘。在巨大的经济社会压力之下，辅助生殖这匹医疗黑马也是时候奔腾起来了。
二十年，AI辅助生殖
其实，人类想利用AI操作辅助生殖项目的想法已经不是一天两天了，早在20多年前算法就开始介入了人类辅助生殖的梦想。Eeve测试是目前唯一获FDA批准的胚胎选择辅助手段，它的本质是一项早期胚胎活性评估技术，其目的是在胚胎培养期间利用显微镜收集数据，然后由一套完整的算法对哪个胚胎能够有最佳的发育前景做出预测。但是20多年前，人工智能的技术还未产生质的突破，因此这一套预测胚胎算法实际上也称不上是真正的智能。因为该算法一旦成型便不能做出修改。与如今大行其道的深度学习不同，缺乏自我修正功能的Eeve测试只能停留在一个很低的预测水平。那么今天，是否已经出现了真正的人工智能辅助生殖的手段呢？
在这方面的进步，人类还真的有两把刷子值得讨论一下。涉及生命科学的实验，无一例外地总是先从动物开始着手。一项发表于Nature子刊的研究称，一巴西团队已经设计出一套能够根据牛胚胎图像来识别最可能存活的胚胎。而且通过捕捉一些肉眼无法识别的细节，该系统的准确率目前达到了76%。
这一信号告诉我们通过图像来识别胚胎成活率可能是一件比较靠谱的事情。那么看看智能医疗在影像识别这方面是否有什么大的突破？在CT扫描阶段，胰腺癌是一项很难在早期扫描中被发现的疾病。因此，患者往往到了癌症晚期才知道自己患癌的事实。而五年7%的存活率使胰腺癌几乎成为所有癌症当中存活率最低的一种病。人力难以完成的任务，我们自然会想到借助非人的力量来解决问题。于是，在深度学习的加持下，放射诊疗出现了曙光。约翰霍普金医院（世界上最大胰腺癌治疗中心之一）计划应用GPU加速深度学习的进程以期在早期发现胰腺癌的存在。因为约翰霍普金医院医院长期专注胰腺癌疾病的诊疗有着关于胰腺癌的海量数据，而这为机器进行深度学习提供了非常必要的工具。团队通过使用大约2000张CT扫描影像来训练检测胰腺癌的机器算法。今年，该深度学习模型的准确率已经达到了90%。至此，我们可以判定以图像作为识别疾病基础的深度学习模型基本成熟。在人工智能辅助人类胚胎培育的大事中，我们可以将此深度学习模型借鉴到最佳胚胎的预测中来，把尽量多的文本、声波、信号、影响等一一输入算法预测模型，让AI系统来进行新
