本研究では、体外受精胚のタイムラプス画像データで機械学習を行い、良好胚および正倍数性胚を選別する予測器の開発を行った。体外受精後の胚培養中のタイムラプス画像から、妊娠成立に高い期待がもてる良好胚を予測する予測器を、また染色体異常の無い正倍数性胚を予測する予測器をそれぞれ開発した。解析対象は単一胚移植症例に限定した。妊娠成立は子宮内での胎嚢の確認とし、正倍数性胚は着床前遺伝学的検査（PGT-A）の結果で日本産科婦人科学会分類AまたはB判定が得られることを条件とした。
令和6年度は、令和5年度に開発した改良型予測器を発展させ、最終型予測器の開発、および外部検証用データによる検証を行なった。精度向上を図るため、複数の学習済みモデルを統合して判定結果を出力するアンサンブルモデルを開発し、最終型予測器とした。テスト用データでは良好胚予測器でAUC 0.704を、正倍数性胚予測器でAUC 0.648を達成した。また、追加で獲得した外部検証用データでは良好胚予測器はAUC 0.602、正倍数性胚予測器ではAUC 0.755を達成した。良好胚予測器については、妊娠成立（胎嚢確認）の有無を予測していることから、母体因子の介在の影響が強いと考えられる。一方、正倍数性胚予測器では優れた予測精度を示した。
更に令和6年度は、予測器の社会実装に向けた企業との提携を行なった。生殖医療領域でデータ管理システムの開発を行なっている株式会社メデタ（東京都、最高経営責任者 伊藤慎悟）と共同研究契約を締結し、本開発モデルを実装した医療機器プログラムの開発を開始した。
本研究の最終型予測器について、良好胚予測器は既報と比較して同等、正倍数性胚予測器は同等以上の精度を達成した。また、本モデルの社会実装に向けて医療機器プログラム開発を継続する予定である。