AI 選胚胎到底在做什麼？單一胚胎植入時代，演算法幫上的其實不是「選得更準」
在台灣，補助 3.0 把「每次最多植入一個胚胎」的年齡上限從未滿 36 歲拉高到 39 歲。當你只能放一顆，選哪一顆這件事的重量就完全不同了。
AI 選胚胎到底在做什麼？單一胚胎植入時代，演算法幫上的其實不是「選得更準」
早上七點半，一位胚胎師戴上手套走進實驗室。培養箱裡是昨天受精的八顆胚胎，今天第五天，她要決定哪一顆進到移植的名單。顯微鏡下，這幾顆看起來都還不錯——而她知道，今天的判斷會決定一對夫妻接下來三個月的心情。
這個決定，過去一百年都是靠人眼與經驗做的。而現在，實驗室的螢幕上多了一個分數。
AI 在試管嬰兒療程裡，實際上動到哪一段
先把範圍講清楚。AI 目前在生殖醫學裡商業化最成熟的用途，是「胚胎形態評估」——分析縮時攝影培養箱拍下的胚胎影像，輸出一個量化分數，供胚胎師參考。它不決定用藥、不決定取卵時機、不取代醫師，就只做「這顆胚胎的發育特徵看起來如何」這一件事。
傳統做法叫形態學評分（morphological grading），胚胎師在顯微鏡下看細胞數、對稱性、碎片比例、囊胚腔擴張程度這些指標，給一個等級。問題在於這套標準有相當大的主觀空間——同一顆胚胎，不同胚胎師可能評出不同等級，甚至同一個人在不同時間、不同疲勞程度下也會不一樣。這在學術上叫觀察者間變異（inter-observer variability），不是誰不專業，是人的視覺判斷本來就有這個限制。
AI 的價值就在這裡，而且必須講清楚：它最站得住腳的貢獻是「一致」，不是「更準」。同一顆胚胎丟給模型一百次，得到同一個分數；不同診所、不同時間、不同胚胎師，用同一套標準比較。這種可重現性是人做不到的，而它讓後續的品質改善與跨中心比較變得可能。
現在市面上的兩種路線
以色列的 AIVF 走的是全流程平台：提供第 3 天與第 5 天的胚胎評估、遺傳分析模組、診所營運分析儀表板與病人溝通工具。官網主張評分 8.6 以上的胚胎著床機率約七成、胚胎評估時間縮減 97.8% 以上。法規狀態上，它在歐洲取得 CE 標章；在美國，其 AI 元件被歸類為研究用途的試驗性裝置，不能用於臨床決策。
美國的 Alife Health 則在 2026 年 5 月拿到一個分水嶺級的里程碑：它的 Embryo Predict 取得美國 FDA 許可，成為美國第一個可商用的 AI 胚胎評估工具，分析第 5 到第 7 天的囊胚影像。同年 7 月宣布與 First Fertility 合作導入臨床。有趣的是，Alife 的產品線裡我覺得更被低估的是另外兩塊：Schedule Predict 預測取卵日的排程負載（官網稱可減少最多 65% 的超載取卵日），以及 Success Predictor 預測療程成功率。
為什麼排程比選胚胎重要？因為生殖中心真正的產能瓶頸是胚胎師，而訓練一名合格胚胎師要好幾年。取卵日全擠在同一天，實驗室就會過勞，而過勞的直接後果就是品質下降。這是很不性感但很實際的問題。
至於評分數字本身，要保持一點警覺。「分數高的胚胎著床率高」在某種程度上是同義反覆——模型就是用著床結果訓練出來的。真正該問的是：使用這套系統之後，整體的累積活產率有沒有提升？這需要設計良好的隨機對照試驗來回答，而不是廠商的相關性數字。
台灣的補助 3.0，讓這件事的重量完全不同
這裡要講一個很多人沒把它跟 AI 連起來的政策變化。
依國民健康署公布的資料，不孕症試管嬰兒補助 2.0 自 110 年 7 月 1 日上路，截至 114 年 8 月 31 日，補助金額達 74 億 204 萬餘元，協助 6 萬 3,566 對夫妻完成 11 萬 392 次療程，成功生下 3 萬 144 名新生兒。自 114 年 11 月 1 日起實施的補助 3.0，除了把未滿 39 歲首次申請的第 1 次補助提高到最高 15 萬元之外，還做了一個技術性的調整：
把「每次最多植入 1 個胚胎」的適用年齡上限，從未滿 36 歲提高到 39 歲；39 至未滿 45 歲則最多植入 2 個。
這個規定的用意是降低多胞胎妊娠的風險——多胎會帶來妊娠高血壓、子癲前症、妊娠糖尿病、早產與低出生體重等問題，單一胚胎植入是國際趨勢。但它的副作用是：當你只能放一顆，選哪一顆這件事的權重就大幅上升。以前放兩顆還有容錯空間，現在沒有了。
所以在台灣的脈絡下，AI 胚胎評估的意義不只是「省胚胎師的時間」，而是「在只有一次機會的情況下，讓判斷的基準更穩定」。這個連結我覺得台灣的討論還沒有充分展開。
病人該怎麼理解那個分數
這是我認為最需要被講清楚的一段。
療程中的人處在極度焦慮的狀態，任何數字都會被當成希望。「這顆胚胎 AI 評分 8.6」很容易被聽成「有 86% 的機會成功」——這是完全錯誤的理解，但在診間裡非常容易發生。
正確的理解是：AI 分數是胚胎發育特徵的量化參考，它反映的是「這顆胚胎在形態與發育軌跡上，跟過去成功著床的胚胎有多像」。它不保證著床，不保證活產，也不能排除染色體異常——那是另一套檢查（PGT-A）的工作。
如果你正在療程中，值得跟醫師確認的是三件事：這套 AI 系統有沒有台灣的醫療器材許可、它的評分只是參考還是會影響移植順序的決定、以及如果 AI 評分與胚胎師判斷不一致時怎麼處理。這三題問得出來，代表你已經掌握了正確的理解框架。想知道完整的提問清單，可以看本系列的 在台灣做試管，該問診所的七個 AI 問題。
更遠一點的方向
胚胎評估只是開始。同一條技術路線往前推，下一步是把整個實驗室流程自動化——這已經不是想像，而是有活產案例的現實，細節可以看本系列的 機器手臂做 ICSI：全自動 IVF 實驗室走到哪了。
台灣的生殖醫學水準在亞洲名列前茅，療程量也很大，導入這類工具的技術條件是具備的。真正的關卡是法規與溝通：AI 胚胎評估在台灣屬於醫療器材管理範疇，臨床使用需取得食藥署許可，歐盟 CE 或美國 FDA 都不等於台灣可用；而知情同意的說明方式，則需要整個產業一起建立共識。關於基層醫療導入 AI 的合規流程，站上另有 診所與醫療 AI 應用指南 可以參考。
TheAI學院 總結與評語
我對生殖醫學的 AI 一向謹慎，因為這個領域的使用者處在人生最脆弱的時刻，任何過度承諾都是傷害。但把 AI 用來解決「同一顆胚胎不同人評分不一樣」這個真實存在的問題，我認為方向是對的。
評語：AI 選胚胎的真正價值是一致性而不是準確度。在補助 3.0 把單一胚胎植入的適用年齡拉高之後，一致性這件事在台灣的重量，其實比多數人以為的還大。
給台灣讀者的具體建議：如果診所提到使用 AI 輔助胚胎評估，請直接要求提供台灣的醫療器材許可字號；如果對方答不出來，那至少要確認它只作為內部參考、不影響臨床決策。這不是找碴，是你有權知道的事。
資料來源
本文依公開資訊整理，醫療決策請以主治醫師與所在醫療機構之專業判斷為準，補助內容以國民健康署最新公告為準。
常見問題
AI 選胚胎比胚胎師準嗎？
目前更站得住腳的說法是「更一致」而不是「更準」。不同胚胎師對同一顆胚胎的形態學評分本來就有觀察者間變異，AI 的貢獻在於提供一個穩定、可重現的基準。至於是否提升整體累積活產率，需要設計良好的隨機對照試驗來證明，廠商自述的相關性數字不足以下這個結論。
台灣的診所可以直接使用國外的 AI 胚胎評估系統嗎？
不能只看國外認證。AI 胚胎評估在台灣屬於醫療器材管理範疇，臨床使用須取得食藥署許可；歐盟 CE 標章或美國 FDA 許可都不具跨國效力。病人若聽到診所提及 AI 輔助評估，可以直接詢問台灣的許可字號與適用範圍，這是合理且應該被回答的問題。
AI 評分 8.6 是不是代表有 86% 的成功機率？
不是，這是最常見也最需要澄清的誤解。AI 分數反映的是「這顆胚胎在形態與發育軌跡上，跟過去成功著床的胚胎有多相似」，它不是成功機率的百分比，也不保證著床或活產，更不能取代染色體篩檢。在焦慮的療程中，這個區別特別容易被忽略。
補助 3.0 的單一胚胎植入規定跟 AI 有什麼關係？
關係在容錯空間。依國民健康署公告，補助 3.0 把「每次最多植入 1 個胚胎」的適用年齡上限從未滿 36 歲提高到 39 歲。當一次只能放一顆，選錯的代價就比放兩顆時高得多，因此胚胎評估的一致性與準確性在台灣的重要性隨之上升。這是政策與技術意外交會的一個點。