IVF環境AIモデル、妊娠率予測誤差を64%削減

スウェーデンと日本の研究チームは、体外受精（IVF）施設の培養器環境データを活用した文脈認識型の階層ベイズモデルを開発し、妊娠率予測の精度を大幅に向上させることに成功した。研究成果はarXivに公開されている。

従来のIVF妊娠率モデルは患者の年齢や卵子の質といった患者側の変数に依存しており、培養器内の温度・湿度といった環境データは単純な平均値として扱われるか、ほとんど活用されてこなかった。今回の研究では、この点を「見逃された好機」と位置づけ、環境データの動的な特性を捉える55の特徴量を新たに設計した。

具体的には、温度の時系列安定性（ローリング熱安定性）、温度と湿度が同時に規定範囲内に収まる時間的割合（同時遵守率）、ストレス状態の継続時間、およびストレス後の回復速度といった指標を生成した。アジアのIVFクリニックの61週分のデータに適用したところ、交差検証における予測誤差は1.27%となり、従来の生データ平均値を使用した場合の3〜5%から大幅に改善された。

さらに、アジアと北欧（スウェーデン）の2施設のデータを「部分プーリング」と呼ぶ手法で統合した階層モデルを構築した。各施設固有の基準値は保持しつつ、環境要因の影響を施設間で共有することで、北欧施設の検証データにおいてR²＝0.86という高い説明力を達成した。とりわけ35〜39歳の年齢層では、単純ベースラインとの比較で64%の誤差削減が確認された。

ビジネス面での影響は複数の領域に及ぶ。不妊治療専門クリニックにとって最も直接的な恩恵は、施設の主要業績評価指標（KPI）である妊娠成功率の向上である。予測精度の向上は、患者へのインフォームドコンセントの質を高めるとともに、治療計画の最適化を通じたリソース配分の改善にもつながる。特に卵子採取から胚移植に至る工程を管理する胚培養士（エンブリオロジスト）や品質管理部門にとって、環境逸脱の早期検知と迅速な対応を可能にするツールとなりうる。

医療機器・施設管理の観点からは、培養器メーカーや施設管理システムベンダーへの波及効果も見込まれる。センサーデータを単なるアラート発生源としてではなく、予測モデルへの入力として高度利用する設計思想は、スマートインキュベーターや統合環境管理プラットフォームの製品開発に新たな方向性を示すものだ。

また、本研究が示した施設間転用可能性（トランスファラビリティ）は、多施設展開を図るIVFネットワーク事業者に特に重要な示唆を持つ。異なる地域・文化的背景を持つ施設のデータを統合しながら、施設ごとの特性を保持できるモデル構造は、グローバル展開する不妊治療グループ企業の標準化戦略と品質均一化に貢献しうる。

課題としては、61週分という限られたデータ期間と単施設起点のモデル構築が挙げられる。より長期のデータや施設数の拡大によるモデルの汎化検証が今後の実用化に向けた鍵となる。規制面では、医療機器としてのAI活用に関する各国当局の審査基準への対応も必要となる。不妊治療市場が世界的に拡大する中、環境データの知的活用は施設の競争優位を左右する要素になりつつある。