인공지능(AI)은 보조생식술에서 점점 더 주목받고 있습니다. 최근 Fertility and Sterility에 게재된 체계적 문헌고찰에서는 정자 선별에 AI와 머신러닝을 활용하는 방법을 검토해 보조생식술(ART)의 결과를 개선할 새로운 가능성을 제시했습니다.
정자 선별이 중요한 이유
전 세계적으로 100백만 명 이상이 난임을 겪고 있으며, 약 50%의 사례에는 남성 요인이 관련되어 있습니다. 정액검사는 남성 난임을 진단하고 치료하는 핵심 단계로, 정자 형태, 운동성 및 DNA 완전성을 평가합니다. 그러나 세포질 내 정자 주입술(ICSI)에 사용할 수백만 개의 정자 중 가장 질이 좋은 정자를 선별하는 일은 시간이 오래 걸리고 오류가 발생하기 쉽습니다.
ART가 발전했음에도 성공률은 여전히 제한적이며, 이는 부분적으로 정자 선별의 정밀도가 충분하지 않기 때문입니다. 현재 선별은 주로 세계보건기구(WHO) 기준에 따른 정자 형태와 운동성의 수동 평가에 의존합니다. 시간 제약으로 인해 배아학자가 정자의 특성을 종합적이고 세밀하게 평가하기 어려워 임신 결과에 영향을 줄 수 있습니다. 이러한 점에서 AI의 활용이 특히 중요합니다.
정자 선별에서의 AI와 머신러닝
AI는 발달 및 착상 가능성이 가장 높은 배아를 효율적으로 식별하는 동시에 배아학자가 시각적 평가와 수동 등급 분류에 들이는 시간과 노력을 줄일 수 있는 것으로 나타났습니다. AI는 유전 정보와 시각 정보를 결합해 정자 선별을 자동화하고 정밀도와 효율성을 높일 수 있습니다.
AI 알고리즘은 정자 형태 분석을 표준화하고 가속화할 수 있습니다. 딥러닝을 결합하면 보고된 정확도가 98%에 이를 수 있습니다. 예를 들어 AI는 고품질 정자 이미지 데이터 세트로 학습해 개별 정자의 형태, DNA 완전성 및 운동성을 평가하면서 사람의 주관적 영향을 줄일 수 있습니다.
주요 기술과 연구 결과
DNA 완전성 평가:
정자 머리의 손상은 염색체 이상, DNA 단편화 및 텔로미어 단축으로 이어질 수 있습니다. 연구자들은 단일세포 겔 전기영동(SCGE)과 정자 염색질 구조 분석 등의 방법을 사용해 개별 정자의 질을 정확히 평가하고, DNA 단편화 지수(DFI)에 기반한 머신러닝 알고리즘을 개발했습니다.
운동성 분석:
AI는 컴퓨터 보조 정자 분석(CASA), 미세유체 칩 및 홀로그래픽 이미징을 결합해 정자 운동 분석을 개선합니다. 예를 들어 삼차원(3D) 나선형 꼬리 운동에 기반한 수학적 모델은 정자의 유영 능력을 더 정확하게 예측할 수 있습니다.
다중 매개변수 최적화:
AI 시스템은 정자 형태, 운동 양상, DNA 완전성 및 기타 데이터를 통합해 최적의 정자를 자동으로 선별함으로써 ART의 임신 및 임신 유지율을 크게 높일 수 있습니다.
향후 전망
AI 알고리즘이 개선되면 보조생식술 연구실은 더 크고 품질이 높은 정자 이미지 데이터 세트를 활용해 선별 효율을 더욱 높일 수 있습니다. 이 기술은 배아학자의 업무 부담을 줄일 뿐 아니라 난임을 겪는 사람들에게 더 큰 희망을 제공합니다.
뉴스 | 수동 방식에서 지능형 방식으로: AI가 정자 선별을 더 정밀하게 만들다
뉴스 | 수동 방식에서 지능형 방식으로: AI가 정자 선별을 더 정밀하게 만들다
인공지능(AI)은 보조생식술에서 점점 더 주목받고 있습니다. 최근 Fertility and Sterility에 게재된 체계적 문헌고찰에서는 정자 선별에 AI와 머신러닝을 활용하는 방법을 검토해 보조생식술(ART)의 결과를 개선할 새로운 가능성을 제시했습니다.
정자 선별이 중요한 이유
전 세계적으로 100백만 명 이상이 난임을 겪고 있으며, 약 50%의 사례에는 남성 요인이 관련되어 있습니다. 정액검사는 남성 난임을 진단하고 치료하는 핵심 단계로, 정자 형태, 운동성 및 DNA 완전성을 평가합니다. 그러나 세포질 내 정자 주입술(ICSI)에 사용할 수백만 개의 정자 중 가장 질이 좋은 정자를 선별하는 일은 시간이 오래 걸리고 오류가 발생하기 쉽습니다.
ART가 발전했음에도 성공률은 여전히 제한적이며, 이는 부분적으로 정자 선별의 정밀도가 충분하지 않기 때문입니다. 현재 선별은 주로 세계보건기구(WHO) 기준에 따른 정자 형태와 운동성의 수동 평가에 의존합니다. 시간 제약으로 인해 배아학자가 정자의 특성을 종합적이고 세밀하게 평가하기 어려워 임신 결과에 영향을 줄 수 있습니다. 이러한 점에서 AI의 활용이 특히 중요합니다.
정자 선별에서의 AI와 머신러닝
AI는 발달 및 착상 가능성이 가장 높은 배아를 효율적으로 식별하는 동시에 배아학자가 시각적 평가와 수동 등급 분류에 들이는 시간과 노력을 줄일 수 있는 것으로 나타났습니다. AI는 유전 정보와 시각 정보를 결합해 정자 선별을 자동화하고 정밀도와 효율성을 높일 수 있습니다.
AI 알고리즘은 정자 형태 분석을 표준화하고 가속화할 수 있습니다. 딥러닝을 결합하면 보고된 정확도가 98%에 이를 수 있습니다. 예를 들어 AI는 고품질 정자 이미지 데이터 세트로 학습해 개별 정자의 형태, DNA 완전성 및 운동성을 평가하면서 사람의 주관적 영향을 줄일 수 있습니다.
주요 기술과 연구 결과
DNA 완전성 평가:
정자 머리의 손상은 염색체 이상, DNA 단편화 및 텔로미어 단축으로 이어질 수 있습니다. 연구자들은 단일세포 겔 전기영동(SCGE)과 정자 염색질 구조 분석 등의 방법을 사용해 개별 정자의 질을 정확히 평가하고, DNA 단편화 지수(DFI)에 기반한 머신러닝 알고리즘을 개발했습니다.
운동성 분석:
AI는 컴퓨터 보조 정자 분석(CASA), 미세유체 칩 및 홀로그래픽 이미징을 결합해 정자 운동 분석을 개선합니다. 예를 들어 삼차원(3D) 나선형 꼬리 운동에 기반한 수학적 모델은 정자의 유영 능력을 더 정확하게 예측할 수 있습니다.
다중 매개변수 최적화:
AI 시스템은 정자 형태, 운동 양상, DNA 완전성 및 기타 데이터를 통합해 최적의 정자를 자동으로 선별함으로써 ART의 임신 및 임신 유지율을 크게 높일 수 있습니다.
향후 전망
AI 알고리즘이 개선되면 보조생식술 연구실은 더 크고 품질이 높은 정자 이미지 데이터 세트를 활용해 선별 효율을 더욱 높일 수 있습니다. 이 기술은 배아학자의 업무 부담을 줄일 뿐 아니라 난임을 겪는 사람들에게 더 큰 희망을 제공합니다.
출처:
온라인 자료 종합