WO2021177142A1

WO2021177142A1 - 生殖補助医療を支援するための、システム、情報処理装置、サーバ、端末、プログラム、又は方法

Info

Publication number: WO2021177142A1
Application number: PCT/JP2021/007196
Authority: WO
Inventors: 功宮塚; マイアンリー; 慶清水
Original assignee: ネクスジェン株式会社
Priority date: 2020-03-05
Filing date: 2021-02-25
Publication date: 2021-09-10
Also published as: JPWO2021177142A1

Abstract

【課題】　本発明の一実施形態により、ＡＲＴを支援する情報を提供すること。【解決手段】　対象受精卵に係る情報を取得する取得部と、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みの機械学習部と、取得した前記対象受精卵に係る情報を、前記機械学習部に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成部と、を備えるシステムであって、前記受精卵について測定された情報は、前記受精卵の採卵時に測定された情報と、前記受精卵の移植時に測定された情報と、を含む、システム。

Description

生殖補助医療を支援するための、システム、情報処理装置、サーバ、端末、プログラム、又は方法

　本出願において開示された技術は、システム、装置、サーバ、端末、プログラム、方法に関する。

　近年、画像を用いて、生物に関連する情報を取得する研究がされている。例えば、以下の特開２０１０－１８１４０２号公報（特許文献１）、特開２００２－２３０５１８号公報（特許文献２）などは、画像を用いた技術に関する。

特開２０１０－１８１４０２号公報特開２００２－２３０５１８号公報

　しかしながら、画像から得られる情報に一定の価値があるとしても、画像から得られる情報のみでは限界があり、適切な情報を提供できるものではない。特にＡＲＴ（生殖補助医療技術、assisted reproductive technology）を支援する技術として、画像から得られる情報を、関連する周辺の情報と調和させて初めて実用的な情報を提供できることに、発明者らは気づいた。そこで、本発明の様々な実施形態により、ＡＲＴを支援する情報を提供可能なシステム、装置、サーバ、方法、プログラム又は方法を提供する。

　本願発明の一態様に係る第１システムは、
　対象受精卵に係る情報を取得する取得部と、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みである機械学習器を含む機械学習部と、
　取得した前記対象受精卵に係る情報を、前記機械学習部内の機械学習器に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成部と、
を備えるシステム。

　本願発明の一態様に係る第２システムは、
　前記受精卵について測定された情報は、前記受精卵の採卵時に測定された情報と、及び／又は、前記受精卵の移植時に測定された情報と、を含み、
　前記機械学習部は、深層学習に係る機能を含む、
第１のシステム。

　本願発明の一態様に係る第３システムは、
　前記男性及び／又は女性に係る情報は、前記女性の血液の検査値に係る情報、前記女性のホルモン値に係る情報、及び／又は、前記男性の精子に係る情報を含む、
第１又は２のシステム。ここで、男性の精子に係る情報は、運動精子数、不動精子数、精子濃度、直線速度、曲線速度、頭部振幅、及び／又は、頭部振動数などを含んでよい。

　本願発明の一態様に係る第４システムは、
　前記対象受精卵に係る撮像された画像に係る情報と、前記対象受精卵に対応する生育に係る情報と、を関連付けて記憶する、
第１乃至３のいずれか一のシステム。

　本願発明の一態様に係る第５システムは、
前記対象受精卵に係る男性及び／又は女性に係る情報と、心拍数を伴う胎嚢形成である妊娠および出産する確率が所定の値よりも高い男性及び／又は女性に係る情報と、を関連付けて記憶する、
第１乃至４のいずれか一のシステム。

　本願発明の一態様に係る第６システムは、
　前記関連付けて記憶された情報を、情報処理装置内のディスプレイに表示可能とさせるよう、前記情報処理装置に伝達する伝達部を備える、
第４又は５のいずれか一のシステム。

　本願発明の一態様に係る第７システムは、
　前記対象受精卵について撮像された複数の画像の各々を、前記画像について判定された所定のイベント、及び／又は、前記画像が撮像された経過時間、を関連付けて記憶する、
第１乃至６のいずれか一のシステム。

　本願発明の一態様に係る第８システムは、
　前記対象受精卵について撮像された複数の画像の各々における前記対象受精卵の細胞分裂による細胞数と、かかる細胞分裂時の経過時間と、の関係を情報処理装置内のディスプレイに表示可能とさせるよう、前記細胞数と前記経過時間とを関連付けた情報を、前記情報処理装置に伝達する伝達部を備える、
第１乃至７のいずれか一のシステム。

　本願発明の一態様に係る第９システムは、
前記生育に係る情報は、心拍数を伴う胎嚢形成である妊娠の可能性、出産される可能性、生物学的検査値に係る情報、及び／又は、染色体異常の可能性、を含む、
第１乃至８のいずれか一のシステム。

　本願発明の一態様に係る第１０システムは、
　前記対象受精卵に係る情報は、前記対象受精卵を撮像した画像に係る情報と、前記対象受精卵に係る男性及び／又は女性に係る情報と、前記対象受精卵について測定された情報と、を含む、
第１乃至９のいずれか一のシステム。

　本願発明の一態様に係る第１１システムは、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、を取得部と、
前記取得した、　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する機械学習部と、
　前記機械学習によって得られた機械学習に係る重みを生成する生成部と、
　前記生成された重みを、他の情報処理装置に伝達する伝達部と、
を備える第１乃至１０のいずれか一のシステム。

　本願発明の一態様に係る第１２システムは、
受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する第１機械学習部によって生成された第１重みを取得する取得部と、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する第２機械学習部によって生成された第２重みを取得する取得部と、
　前記第１重みと第２重みとを統合し、前記第１機械学習部及び前記第２機械学習部によって利用可能な第３重みを生成する生成部と、
を備えるシステム。

　本願発明の一態様に係る第１３方法は、
　コンピュータが、
　対象受精卵に係る情報を取得する取得ステップ、
　取得した前記対象受精卵に係る情報を、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みの機械学習部に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成ステップ、
を実行する方法。

　本願発明の一態様に係る第１４プログラムは、
　コンピュータを、
　対象受精卵に係る情報を取得する取得手段、
　取得した前記対象受精卵に係る情報を、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みの機械学習部に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成手段、
として動作させるプログラム。

　本願発明の一態様に係る第１５のシステムは、
　前記対象受精卵に係る情報は、タイムラプス画像群を含み、
　前記タイムラプス画像群は、ｔSC、ｔSB、及び、ｔBの形態が撮像された画像を含み、
　前記ｔSC、ｔSB、及び、ｔBの形態が撮像された画像は、画像と、画像に対応する生育時点との関係を機械学習済みモデルが適用されることによって、特定される、
第１乃至１０のいずれか一のシステム。

　本願発明の一態様に係る第１６のシステムは、
　前記受精卵を撮像した画像に係る情報は、雌雄前核の領域の面積を含み、
　前記雌雄前核の領域の面積は、精卵についての画像と、前記受精卵についての画像内の雌雄前核領域が所定の手法により特定された画像と、の関係を機械学習済みモデルが適用されることが用いられて、計算される、
第１乃至１０及び１５のいずれか一のシステム。

　本願発明の一態様に係る第１７のシステムは、
　前記受精卵を撮像した画像に係る情報は、雌雄前核を含む画像を含み、
　前記雌雄前核を含む画像は、画像と、かかる画像内の雌雄前核領域と、の関係を機械学習した機械学習済みモデルが適用され、前記機械学習済みモデルに係る予測信頼度スコアが使用されて特定される、
第１乃至１０、１５、及び１６のいずれか一のシステム。

　本願発明の一態様に係る第１８プログラムは、
　コンピュータを、第１乃至１０及び第１５乃至１７のいずれか一のシステムとして動作させるプログラム。

　本発明の一実施形態により、ＡＲＴ（生殖補助医療技術、Ａｓｓｉｓｔｅｄ　Ｒｅｐｒｏｄｕｃｔｅｄ　Ｔｅｃｈｎｏｌｏｇｙ）を支援する情報を提供できる。

図１は、本発明の一実施形態に係る情報処理装置の構成例を示すブロック図である。図２は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図３は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図４（Ａ）は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図４（Ｂ）は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図５は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図６は、本発明の一実施形態に係るシステムの機能例を示すブロック図である。図７は、本発明の一実施形態に係るシステムの機械学習のパラメータ例である。図８は、本発明の一実施形態に係るシステムの機械学習のパラメータ例である。図９は、本発明の一実施形態に係るシステムの機械学習のパラメータ例である。図１０は、本発明の一実施形態に係るシステムの機械学習のパラメータ例である。図１１は、本発明の一実施形態に係るシステムの機械学習のパラメータ例である。図１２は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図１３は、本発明の一実施形態に係るシステムの構成例を示すブロック図である。図１４は、本発明の一実施形態に係るシステムの画面例である。図１５は、本発明の一実施形態に係るシステムの画面例である。図１６は、本発明の一実施形態に係るシステムの画面例である。図１７は、本発明の一実施形態に係るシステムの画面例である。図１８は、本発明の一実施形態に係るシステムの画面例である。図１９は、本発明の一実施形態に係るシステムの画面例である。図２０は、本発明の一実施形態に係るシステムの画面例である。図２１は、本発明の一実施形態に係るシステムの画面例である。図２２は、本発明の一実施形態に係るシステムの画面例である。図２３は、本発明の一実施形態に係るシステムの画面例である。図２４は、本発明の一実施形態に係るシステムの画面例である。図２５は、本発明の一実施形態に係るシステムの画面例である。図２６は、本発明の一実施形態に係るシステムの画面例である。図２７は、本発明の一実施形態に係るシステムの画面例である。図２８は、本発明の一実施形態に係るシステムの画面例である。図２９は、本発明の一実施形態に係るシステムの画面例である。図３０は、本発明の一実施形態に係るシステムの画面例である。図３１は、本発明の一実施形態に係るシステムの画面例である。図３２は、本発明の一実施形態に係るシステムの画面例である。図３３は、本発明の一実施形態に係るシステムの画面例である。図３４は、本発明の一実施形態に係るシステムの画面例である。図３５は、本発明の一実施形態に係るシステムの画面例である。図３６は、本発明の一実施形態に係るシステムの画面例である。図３７は、本発明の一実施形態に係るシステムの画面例である。図３８は、本発明の一実施形態に係るシステムの画面例である。図３９は、本発明の一実施形態に係るシステムの画面例である。図４０は、本発明の一実施形態に係るシステムの画面例である。図４１は、本発明の一実施形態に係るシステムにおける雌雄前核を含む領域の説明例である。

　以下、添付図面を参照して本発明の様々な実施形態を説明する。

１．システムの構成例
１．１．構成例１
　図１は、情報処理装置１０の構成を示すものであり、情報処理装置１０は、バス１１、演算部１２、記憶部１３を有することができる。また、入力部１４、表示部１５、通信ＩＦ１６を有してよい。本願発明に係る一実施形態のシステムは、一又は複数の情報処理装置１０から構成されてよい。

　バス１１は、演算部１２、記憶部１３の間の情報を伝達する機能を有する。入力部１４、表示部１５、通信ＩＦ１６の間の情報を伝達する機能を有してよい。

　演算部１２は、例えばプロセッサが挙げられる。これは、ＣＰＵであってもよいし、ＭＰＵであってもよい。要するに、演算部１２は、プログラムの命令を実行できる機能を有すればよい。また、機械学習部の機能を実施する演算部１２は、機械学習に適した処理装置であってよく、データベースの管理やその他の管理機能を実施する演算部１２は通常の演算機能を有すればよい。

　記憶部１３は、情報を記録する機能を有する。これは、外部メモリと内部メモリのいずれでもよく、主記憶装置と補助記憶装置のいずれでもよい。また、磁気ディスク（ハードディスク）、光ディスク、磁気テープ、半導体メモリなどでもよい。また、ネットワークを介した記憶装置、クラウド上の記憶装置などでもよい。なお、演算装置に近い位置で情報を記憶する、レジスタ、Ｌ１キャッシュ、Ｌ２キャッシュなどは、図１の模式図においては、バスを介していない点で演算部１２内に含まれる場合もあるが、計算機アーキテクチャのデザインにおいて、情報を記録する装置としては、記憶部１３がこれらを含んでもよい。要するに、演算部１２と、記憶部１３及びバス１１が協調して、情報処理を実行できればよい。また、上記は、演算部１２が、記憶部１３に備えられたプログラムに基づいて実行される場合を記載したが、上記のバス１１、演算部１２と記憶部１３が組み合わされた形式の一つとして、本件システムに係る情報処理を、ハードウェア回路自体を変更することができるプログラマブルロジックデバイス又は実行する情報処理が決まっている専用回路で実現されてもよい。

　入力部１４は、情報を入力する機能を有する。マウス、タッチパネル、ペン型の指示装置などの指示装置が挙げられる。表示部１５は、例えば、ディスプレイがある。また、液晶ディスプレイ、プラズマディスプレイ、有機ＥＬディスプレイなどでもよい。要するに、情報を表示できる装置であればよい。また、タッチパネルのように入力部１４を一部に備えてもよい。

　以下では、上述の情報処理装置１０を用いて、種々の組み合わせの例を説明する。以下で説明される個々の例は、ネットワーク上における構成例の一例にすぎず、明示的に示されたもの以外にも、以下の個々の情報処理装置の組み合わせ例の他の組み合わせ例があってもよい。これらの組み合わせは、技術常識を踏まえて、多様な組み合わせがあってよい。

１．２．構成例２
　図２の構成例２は、ネットワークを介して、サーバ２０２とデータベー２０３が接続可能な構成である。本願発明に係る一実施形態のシステムは、構成例２に係る複数の情報処理装置、その一部の情報処理装置、又は、その一の情報処理装置から構成されてよい。利用者端末０１は、サーバ２０２に対して、接続可能な構成である。また、管理者端末０２は、サーバ２－２と接続可能な構成である。ここで利用者端末０１は、利用者端末０１ａと利用者端末０１ｂの２つの例を図示しているが、１以上のいくつの利用者端末であってもよい。利用者端末の数について、以下の各構成例において、同様である。また、管理者端末が、本例では一つの例を示しているが、管理者端末も２以上の構成であってよい。各利用者端末は、情報処理装置１０の機能を有するものであってもよいし、その一部について欠けた構成とされていてもよい。また、管理者端末も、情報処理装置１０の機能を有するものであってもよいし、その一部について欠けた構成とされていてもよい。また、本例のシステムであるサーバ２０２は、情報処理装置１０と類似の機能を有するものであってもよいし、その一部について欠けた構成とされていてもよいし、その一部について機能が強化されたものであってもよい。例えば、記憶装置や演算装置などは、機械学習に関する情報処理を実施できる構成とされていてよい。なお、管理者端末を利用する者を、本願書類において、「管理者」ということがあり、利用者端末を利用する者を「利用者」又は「医療関係者」ということがある。サーバは、後述する、取得部、機械学習部、制御部、及び／又は、記憶部を有してよい。サーバは、また、協調機械学習部を有してよい。データベースは、サーバにおいて利用されるデータを記憶してよい。例えば、機械学習をする場合には、かかる機械学習の際に利用される情報、例えば、入力と出力の関係を示すために利用される情報、を記憶してよい。より具体的には、サーバが機械学習する場合には、データベースは、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を示す情報を有してよい。

１．３．構成例３
　図３の構成例３は、サーバ３０２が、クラウド上である構成例である。本願発明に係る一実施形態のシステムは、構成例３に係る複数の情報処理装置、その一部の情報処理装置、又は、その一の情報処理装置から構成されてよい。データベース３０３もクラウド上である構成例である。サーバ３０２とデータベース３０３は、同一のクラウドを利用してもよいし、異なるクラウドを利用してもよい。利用者端末０１は、ネットワークを介して、サーバ３０２と接続可能な構成であってよい。また、サーバ３０２は、データベース３０３に接続可能な構成であってよい。また、管理者端末０２は、サーバと接続可能な構成であって良い。その他については、構成例２と同様であってよい。

１．４．構成例４Ａ
　図４（Ａ）の構成例４Ａは、構成例２を基として、各利用者端末０１ａ及び０１ｂに対し、機械学習部が備えられている例である。本願発明に係る一実施形態のシステムは、構成例４Ａに係る複数の情報処理装置、その一部の情報処理装置、又は、その一の情報処理装置から構成されてよい。利用者端末０１ａに対しては、機械学習部４０４ａが接続可能な構成とされており、利用者端末０１ｂに対しては、機械学習部４０４ｂが接続可能な構成とされている。サーバ４０２は、機械学習部を有してもよいし、協調機械学習部を有してもよいし、両方を有してもよい。

１．５．構成例４Ｂ
　図４（Ｂ）の構成例４Ｂにおいて、機械学習部４０４はクラウド上にある構成例である。本願発明に係る一実施形態のシステムは、構成例４Ｂに係る複数の情報処理装置、その一部の情報処理装置、又は、その一の情報処理装置から構成されてよい。利用者端末０１ａは機械学習部４０４と接続可能であり、利用者端末０１ｂは機械学習部４０４と接続可能である。その他の構成は構成例４（Ａ）と同様であってよい。

１．６．構成例５
　図５の構成例５は、構成例４Ｂにおいて、サーバ５０２及びデータベース５０３が、クラウド上にある構成例である。本願発明に係る一実施形態のシステムは、構成例５に係る複数の情報処理装置、その一部の情報処理装置、又は、その一の情報処理装置から構成されてよい。サーバ５０２は、協調機械学習部を有してよい。協調機械学習部は、一又は複数の機械学習部５０４と接続可能であってよい。

２．システム内の機能例
　次に、一例のシステムにおける機能例について説明する。各機能は、上述のシステムの各ハードウェアに適宜割り当てられるものである。本システムは、必ずしも以下で述べる全ての機能が実装される必要はないが、システムの一例は、図６のように、取得部、機械学習部、協調機械学習部、制御部、記憶部、の一部又は全部を有してよい。

２．１．取得部
　取得部は、情報を取得する機能を有する。取得部は、機械学習部に使用される情報を取得する機能を有してよい。また、取得部は、協調機械学習部に使用される情報を取得する機能を有してよい。取得部が取得する情報は、受精卵を撮像した画像、前記受精卵に係る男性情報、前記受精卵に係る女性情報、を含んでよい。

　取得の手段は、種々の態様であってよい。例えば、取得部が備わる情報処理装置内において、記憶部から情報を取得してもよいし、取得部が備わる情報処理装置とは異なる他の情報処理装置から、ネットワーク等を介して、情報を取得してもよい。また、取得のタイミングは、種々のものでよい。

２．２．機械学習部
　機械学習部は、機械学習に係る機能を有する機械学習器を備える。機械学習器は、機械学習機能を有してよい。機械学習機能は、入力と出力の関係を機械学習する機能であってよい。機械学習部は、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みの機械学習器を有してよい。ここで、入力は、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、を含んでよい。また、出力は、生育に係る情報、を含んでよい。また、前記受精卵について測定された情報は、下位概念として、前記受精卵の採卵時に測定された情報、及び／又は、前記受精卵の移植時に測定された情報、を含んでよい。また、受精卵について測定された情報は、受精卵を撮像した画像に係る情報を含まなくてよい。このように、機械学習の対象となるデータ及び／又は機械学習済み機能に対して適用されるデータとして、受精卵についての画像にとどまらず、前記受精卵に係る男性及び／又は女性に係る情報、を含めることにより、種々の不妊症の原因（例えば、排卵障害や卵巣予備能低下などの卵巣因子や、子宮筋腫や子宮腔内癒着などの子宮因子、乏精子症などの男性因子、卵管閉塞や卵管癒着などの卵管因子および今後臨床研究において発見されるであろう予測因子）についても胚の選定に利用できる可能性がある。また、同様に、機械学習の対象となるデータ及び／又は機械学習済み機能に対して適用されるデータとして、受精卵についての画像にとどまらず、前記受精卵の採卵時に測定された情報、及び／又は、前記受精卵の移植時に測定された情報、を含めることにより、子宮内膜や子宮内環境の異常による着床障害などの子宮側の要因についても、胚の選定に利用できる可能性がある。また、機械学習の対象となるデータ及び／又は機械学習済み機能に対して適用されるデータとして、受精卵のクオリティや、減数分裂時の染色体不分離などの染色体異常というような、受精卵についての要因についても、受精卵についての画像を活用することにより因子として、胚の選定に利用できる可能性がある。

　機械学習器は、機械学習済み機能を有してよい。機械学習済み機能は、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を学習したものであってよい。なお、機械学習済み機能を有する機械学習器あるいはかかる機械学習器を備える機械学習部は、情報処理装置自体、又は、プログラム（すなわち、情報処理装置上で実行された場合に、機械学習部の機能を実現できるプログラム）自体、が受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を学習してもよいし、かかる関係を学習しなくともよい。後者の場合、入力から出力までの各層において、入力値をどの程度出力値に反映させるかというパラメータに対する重み（本願書類において、簡単に「重み」ということがある。）、を用いることにより、機械学習済み機能が、機械学習可能な機械学習器に導入されるものであってもよい。

　かかる重みは、同一の機械学習モデルを採用する複数の機械学習器の間において、ネットワークを介して伝達されることにより、一の機械学習器において機械学習された結果について、機械学習を全くしていない又は同一のデータに基づく機械学習をしていない他の機械学習器において、重みとして使用することにより、同一の機械学習済み機能を実現できるものであってよい。かかるネットワークを介した伝達は、一般的なインターネットや情報通信手段により、重み、を示すデータを、同一の機械学習モデルを採用する複数の機械学習器の間において、伝達し、コピーすることにより、実現されてよい。機械学習部は、かかる重みの伝達のため、重みを伝達できる機能を有してよい。また、重みは、機械学習部において、入力と出力の関係を、機械学習することにより、生成できてよい。重みは、一又は複数のものであってよい。重みを伝達するために、重みは、一の機械学習器におけるどの層についてのパラメータであるかを特定するための情報と、関連付けられて、後述数する協調機械学習部に伝達する機能を有してよい。なお、ここで、同一の機械学習モデルを採用する複数の機械学習器は、同一のプログラムであってもよいし、同一のプログラムでなくとも、同一の入力と出力の関係、を示す重みが適用できるものであればよい。

　これらの、前記受精卵に係る男性及び／又は女性に係る情報の下位概念としての具体的なパラメータの一例は、図７であってよい。また、前記受精卵の採卵時に測定された情報の下位概念としての具体的なパラメータの一例は、図８であってよい。前記受精卵の移植時に測定された情報の下位概念としての具体的なパラメータの一例は、図９であってよい。また、受精卵を撮像した画像に係る情報の下位概念としての具体的なパラメータの一例は、図１０であってよい。また、前記受精卵に基づく生育に係る情報の下位概念としての具体的なパラメータの一例は、図１１であってよい。これらの図７乃至図１１は、具体的なパラメータの一例ではあるものの、これら全てを常に使用する必要はなく、その一部であってもよいし、全てを使用してもよい。

　図７乃至図１０に記載の具体的なパラメータの一部又は全部が使用された入力に対して、機械学習部が適用され、図１１に記載の具体的なパラメータの一部又は全部について出力されてよい。また、図７乃至図１１の具体的なパラメータの一部又は全部を使用して、機械学習部は、機械学習されてよい。

　上述の機械学習は、種々の手法を用いてよい。例えば、ディープラーニングを用いたニューラルネットワーク、サポートベクターマシーン、ベイジアンネットワーク、クラスタリング、などであってよい。なお、機械学習における学習済みモデルは、コンピュータを機能させるためのものであり、プログラムであってよい。

　また、機械学習部は、一又は複数の機械学習器を備えてよい。複数の機械学習器は、全て同一の機械学習手法を用いてもよいし、異なる機械学習手法を用いてもよい。また、複数の機械学習器は、複数の機械学習器を並列、直列、又はこれらの組み合わせの態様で接続して利用してよい。並列は、一の入力情報を、一又は複数の機械学習器の入力としてよい。直列は、一の機械学習器の出力を、他の機械学習器の入力に使用することであってよい。また、複数の機械学習機能を用いる場合は、一の特定の具体的なパラメータについては一の機械学習機能が適用され、他の特定の具体的なパラメータについては他の機械学習機能が適用されてよい。

　図１２は、複数の機械学習器を使用する一例である。本例では、機械学習器が、機械学習済みであるとする。入力１２０ａと入力１２０ｂが、それぞれ、機械学習器ａ１２１、機械学習器ｂ１２２、に入力され、それらの出力１２０ｄ、１２０ｅが、機械学習器ｃ１２３に入力され、出力１２０ｃが出力される状態を示している。ここで、入力１２０ａ及び入力１２０ｂは、各々、一又は複数のパラメータに対する入力情報であってよく、一部又は全部について重複してもよいし、重複しなくてもよい。また、出力１２０ｄ、１２０ｅは、各々、機械学習器ａ１２１、機械学習器ｂ１２２の出力が、そのまま、機械学習器ｃ１２３に入力されてもよいし、一部加工されて、機械学習器ｃ１２３に入力されてもよい。

　本例において、例えば、入力情報１２０ａが、受精卵を撮像した画像に係る情報、例えば、画像であり、機械学習器ａ１２１がディープラーニングを用いたニューラルネットワークであってよい。また、入力情報１２ｂが、受精卵に係る男性及び／又は女性に係る情報と、受精卵について測定された情報であってよく、機械学習器ｂ１２２が、サポートベクターマシーンなどであってよい。ただし、サポートベクターマシーンに限らず、他の機械学習手法を用いてもよい。また、出力１２０ｃは、受精卵に基づく生育に係る情報であってよい。かかる構成により、画像に特化したディープラーニングを用いたニューラルネットワークと、他の情報を用いた機械学習器とを用いて、各入力の特性に合わせた機械学習器を適用することにより、より機械学習の効率と精度を向上できる利点がある。

　また、機械学習部は、胚について機械学習する機能を有してもよい。具体的には、胚画像と、胚画像に係る情報と、の関係を機械学習可能な機能を有してよい。また、胚画像と、胚画像に係る情報と、の関係について機械学習済みの機能を有し、得られた胚画像に対して、かかる胚画像についての胚画像に係る情報を生成できる機能を有してよい。機械学習部における胚についての機能は、以下で別途説明する。

２．３．協調機械学習部
　協調機械学習部は、機械学習部における重みを管理する機能を有してよい。かかる重みは、機械学習済みの機械学習部から、伝達されたものを用いて管理してよい。すなわち、協調機械学習部は、一又は複数の機械学習部から伝達された重みを用いて、協調機械学習部における重みを生成する機能を有してよい。かかる生成された重み（本願書類において、「統合済み重み」ということがある）は、機械学習部に伝達されてよい。

　図１３は、協調機械学習部と機械学習部との関係を示す一例である。機械学習部ａ１３１と機械学習部ｂ１３２と、は各々協調機械学習部１３３と接続可能であってよい。また、機械学習部ａ、機械学習部ｂ、協調機械学習部は、ネットワークを介して接続可能であってよい。また、機械学習部ａと、機械学習部ｂと、協調機械学習部と、は異なる医療関係機関において所有、利用、管理、されるものであってよい。

　かかる構成が使用される一例としては、以下が考えられる。まず、機械学習部ａにおいて、データＡを用いて機械学習がされるとする。データＡは、一又は複数のデータであってよい。機械学習部ａは機械学習により、機械学習済みとなり、かかる機械学習に対応して重みＡを生成できる。機械学習部ａは、かかる重みＡを、協調機械学習部に伝達してよい。協調機械学習部は、かかる重みＡ又はかかる重みＡを機械学習部ｂに適用可能に加工したものを、機械学習部ｂに伝達してよい。機械学習部ｂは、かかる重みＡ又はかかる重みＡを機械学習部ｂに適用可能に加工したものを用いて、以後の機械学習機能を適用してよい。この場合、機械学習部ｂにおいては、機械学習部ａにおける学習をする必要がない利点がある。すなわち、機械学習部ｂにおいては、機械学習部ａにおける学習で使用したデータを用いることなく、機械学習部ａが学習によって得た機能を、重みＡ又はかかる重みＡを機械学習部ｂに適用可能に加工したものの伝達により、得ることができる利点がある。これは、機械学習部ａが機械学習にあたり利用したデータが、医療用情報などの個人情報を含む場合において、かかる個人情報を、機械学習部ａから、協調機械学習部に伝達しなくとも、機械学習部ｂにおいて、機械学習できる利点がある。

　機械学習部ｂは、更に機械学習部ｂにおいて、機械学習してよい。機械学習部ｂは機械学習により、機械学習済みとなり、かかる機械学習に対応して重みＢを生成できる。機械学習部ｂは、かかる重みＢを、協調機械学習部に伝達してよい。協調機械学習部は、かかる重みＢ又はかかる重みＢを機械学習部ａに適用可能に加工したものを、機械学習部ａに伝達してよい。機械学習部ａは、かかる重みＢ又はかかる重みＢを機械学習部ａに適用可能に加工したものを用いて、以後の機械学習機能を適用してよい。この場合、機械学習部ａにおいては、機械学習部ｂにおける学習をする必要がない利点がある。すなわち、機械学習部ａにおいては、機械学習部ｂにおける学習で使用したデータを用いることなく、機械学習部ｂが学習によって得た機能を、重みＢ又はかかる重みＢを機械学習部ａに適用可能に加工したものの伝達により、得ることができる利点がある。これは、機械学習部ｂが機械学習にあたり利用したデータが、医療用情報などの個人情報を含む場合において、かかる個人情報を、機械学習部ｂから、機械学習部ａに伝達しなくとも、機械学習部ａにおいて、機械学習できる利点がある。

　なお、図示しない新たに機械学習部ｃがある場合、協調機械学習部は、かかる機械学習部ｃに対して、上述の重みＢ又はかかる重みＢを機械学習部ｃに適用可能に加工したものを伝達してよい。この場合、機械学習部ｃは、まったく機械学習していない場合であっても、機械学習部ａ及び機械学習ｂにおいて機械学習された精度の高い機能を、これらの機械学習の処理せずに、かつ、医療情報内に個人情報が含まれている場合においてもかかる個人情報を受領せずに、実現できる利点がある。

　また、統括機械学習部は、複数の機械学習部から取得した各重みを統合して、これらの複数の機械学習部において利用可能な重みを生成する機能を有してよい。かかる各重みを統合して重みを生成する機能自体は、公知の技術が使用されてよい。

　すなわち、統括機械学習部を備えるシステムは、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する第１機械学習部によって生成された第１重みを取得する取得部と、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する第２機械学習部によって生成された第２重みを取得する取得部と、
　前記第１重みと第２重みとを統合し、前記第１機械学習部及び前記第２機械学習部によって利用可能な第３重みを生成する生成部と、
を備えるシステムであってよい。

２．４．制御部
　制御部は、機械学習部の機能を支援する機能を有する。また、制御部は、その他の機能を有してよい。その他の機能としては、例えば、後述する、胚画像についての処理や、胚画像を選択する画面に利用される情報を生成する機能を有してよい。

２．５．記憶部
　記憶部は、上述の各機能を実現するために必要な情報を記憶する機能を有する。記憶部は、上述の各機能についてのプログラムを記憶する機能を有してよく、また、各プログラムにおいて使用される情報を記憶する機能を有してよい。

３．実施形態
　本願発明に係る一実施例のシステムは、不妊治療についての情報を用いて、不妊治療を支援するシステムに係る。不妊治療のＡＲＴ（生殖補助医療技術、Ａｓｓｉｓｔｅｄ　Ｒｅｐｒｏｄｕｃｔｅｄ　Ｔｅｃｈｎｏｌｏｇｙ）においては、女性から取得した卵子と、男性から取得した精子を、体外で受精させて得られた受精卵（本願書類において「胚」ということもある）を一定程度培養し、女性の体内に戻す。そこで、本例のシステムは、ＡＲＴを受ける予定の男性・女性について、これらの各ステップで得られる情報を用いて、受精卵の生育について予想する機能を有してよい。また、本例のシステムには、かかるＡＲＴについての患者（本願書類において、単に「患者」ということもある）の情報を収集し、整理する側面がある。すなわち、一の患者について予想しつつ、かかる一の患者についての実際の結果も本例のシステムに記憶できる場合、その情報が用いられて、機械学習されて利用することで、将来のＡＲＴについての予測に利用できることとなる。この場合、更に予測精度が向上する利点がある。そこで、以降では、本例のシステムは、ＡＲＴを受ける患者についての側面を記憶し、支援していくシステムとして、利用者である医療関係者の観点で説明する。以下において各画面は、利用者端末上において表示されてよく、そのために、管理システムは、画面に表示されうる情報を、利用者端末に対して送信してよい。

　本例のシステムは、次の３つの機能を有してよい。すなわち、患者自身に関する情報の管理機能、患者のＡＲＴに関する情報の管理機能、そして、患者に係る受精卵に関する情報の管理機能である。

　図１４は、かかる３つの機能についてのメニュー構成を示す図である。トップページから、ログイン頁に移り、ログインにおいて、ＩＤとパスワードなどを入力することで、メニュー画面に移る。匿名化加工済の患者情報を含むセンシティブな情報を扱うことから、パスワードなどの認証情報によって、利用者を厳格に管理できる機能を有してよい。かかる機能により、情報の安全性が向上する利点がある。

　メニューは、大きく分けて、患者情報、胚検索、ＩＶＦ (厳密には、ＩＶＦとＩＣＳＩを含むため、”ＡＲＴ移植“を指すものであり、以後もその意味として「ＩＶＦ」と記述する。) データ検索、に分類されている。患者情報では、患者情報についての登録、編集、検索、確認、などが可能である。胚検索では、胚の検索、編集、登録、選択、などが可能である。ＩＶＦデータ検索では、ＩＶＦデータの紹介や編集が可能である。ＩＶＦデータ検索では、ＩＶＦデータの検索、照会、編集などが可能である。

　図１５は、患者に関する検索画面の一例である。患者情報について、登録、検索、編集などが可能であってよい。登録される情報は、上述の受精卵に係る男性及び／又は女性に係る情報内の情報であってよい。検索では、種々の観点で可能であってよい。本画面では、生年月日、受診予定日、などであってよい。なお、患者情報は、受精卵の生育状況についての結果に応じて削除できる構成としなくてよい。受精卵の生育状況が否定的な場合であっても、削除されない構成とすることにより、否定的な情報も含めて、学習対象となり、予測精度の向上に役立つ利点がある。なお、論理削除はできてよい。

　図１６は、患者一覧の画面である。各患者について、胚登録と、ＩＶＦデータの登録が、可能であってよい。また、患者は複数回の採卵および複数回の移植を行う可能性があることから、一の患者に対して、複数の採卵と、複数回の移植を個別に管理できることが好ましい。そこで、移植に使った胚がどの採卵周期で得られたものかを管理する機能があってよい。より具体的には、例えば、胚データ数をクリックした場合、患者IDを指定した胚情報一覧を見ることができる機能があってよい。また、IVFデータ数をクリックした場合、患者IDを指定したＩＶＦのＩＤの一覧を見ることができる機能があってよい。なお、各患者の情報は、患者ＩＤを除き、各項目について、修正が可能であって良い。

　図１７は、患者の情報を、ＣＳＶファイルのインポート形式によって、登録する例である。かかるＣＳＶファイルなどの所定の情報形式をインポートできる機能を有することにより、新たな医療機関に本システムが導入された場合、患者情報の登録が容易である利点がある。なお、指定フォーマットに関する説明が表示可能であることにより、利用者は、入力フォーマットを間違える恐れが低下する利点がある。指定フォーマットは、ＣＳＶフォーマット以外のフォーマットでもよいことは当然である。なお、患者数が多い場合、登録に時間が必要な場合がある。そのため、ファイルによる登録機能は、インポートの完了見込み時間を表示する機能を有してよい。この場合、ファイル内の患者数を先に計算し、かかる患者数から登録に必要と予想される時間を計算し、かかる必要と予想される時間を表示してよい。また、ファイルによる登録機能は、インポートの完了後、所定のメールアドレスに、インポートが完了した旨を連絡する機能を有してよい。この場合、利用者は、メールによって時間の必要なインポートが完了したことが分かる利点がある。なお、ファイルのインポートにおいては、パラメータ間の影響を最小化したり、データレンジの調整や、連続値を離算値に変換したり階層化するなど、データの正規化の処理を行ってよい。これらの技術が適用されることにより、各医療機関において、従来取得されていた情報を再活用できる利点がある。特に、機械学習される情報は、一定の精度があれば、多い方が有益であることから、機械学習可能なように情報を正規化できる技術的価値は高い。

　次に、ＩＶＦデータについての説明を行う。図１８は、ＩＶＦ情報を登録する画面の一例である。ＩＶＦデータは、特定の患者について、行われるものであるため、患者についての情報が表示される。本図において、患者ＩＤは、特定の女性（妻）と特定の男性（夫）について、各年齢、採卵回数、ＥＴ回数、が表示されている。このように、ＡＲＴや受精卵は、特定の女性と特定の男性という２人に対して、一の患者ＩＤが指定されていてよい。本システムにおけるＩＶＦについては、１）ＩＶＦ情報入力、２）胚選択、３）胚移植、４）結果入力、の４つのステージで情報を入力できてよい。

　本例のシステムは、新鮮胚移植と、凍結胚移植と、の両方を扱うことができる構成としているが、いずれか一方のみであってもよい。本図において、新鮮胚移植の場合は、「採卵実施」にチェックを入れる。他方、凍結胚移植の場合は、「採卵実施」にチェックを入れずに、採卵時のＩＶＦのＩＤを検索し、凍結胚を特定する。本図においては、ＩＶＦ情報として、ＨＣＧに関する情報などを入力可能としている。各胚について、新鮮胚又は凍結胚として、各胚についての情報が入力可能であって良い。

　図１９は、採卵した５つの胚についての情報が登録された旨を示す画面例である。

　図２０は、凍結胚を含む胚について、胚を選択する画面である。胚選択の画面においては、選択可能な各胚について、胚画像、胚グレード、妊娠確率、出産確率、LOSS率、など、胚を選択するのに参考となる情報が表示されてよい。ここで、胚画像は、本図においては、一つのみであるが、一の胚は、時間の経過に伴い成熟するものである。そのため、一の胚について、複数の画像があり得る。かかる複数の画像は、手動で撮像されたものでもよいし、自動的に撮像されたものでもよい。自動的な撮像については、後述する。また、本画面において、表示されうる表示例についても、後述する。

　胚グレードは、手動で評価されて情報として記憶されたものが表示されてもよいし、自動的に評価されて情報として記憶されたものが表示されてもよいし、表示されなくともよい。胚グレードは、胚の評価の手法として、医療関係者に親しまれているものであることから、かかる情報が画像と同一画面上に表示されることにより、胚の選択時に、医療関係者が、安心して選択できる利点がある。

　妊娠確率、及び／又は、出産確率は、上述の機械学習部における機械学習済み機能が用いられて、生成されたものであって良い。すなわち、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係について、機械学習されたものを使用することによって、対象となる患者における受精卵についての、受精卵に基づく生育に係る情報が生成できる。そのため、かかる生育様相に係る情報の下位概念として、妊娠確率、及び／又は、出産確率、を生成できてよい。これにより、利用者は、各胚を患者に対して移植した場合という特定の場合における妊娠確率、及び／又は、出産確率、が生成され、表示されることによって、どの胚を移植するのが最も妊娠確率、及び／又は、出産確率を向上できるか、を数値的に理解できる利点がある。また、胚グレードが表示されることにより、ブラックボックスになりうる機械学習手法の数値情報のみでなく、従来の医療知識である胚グレードを利用できる利点がある。また、胚画像が表示されることにより、同様に、ブラックボックスになりうる機械学習手法の数値情報のみでなく、医療関係者の有するＡＲＴに関する知識経験も加味して、胚を選択できる利点がある。なお、ＬＯＳＳ率は、妊娠確率から、出産確率を減じたものであり、かかる情報も、同様に、各胚が移植された場合における情報を収集できる利点がある。なお、これらの情報が、同一画面上に表示される場合、医療関係者は、一目で、これらの情報を理解することができるため、利便性が向上する利点がある。なお、本図において、採用する胚を判断し、「採用」又は「不採用」を選択して、入力可能とされ、情報として記憶できてよい。

　なお、妊娠確率、及び／又は、出産確率は、降順に表示されてよい。かかる構成の場合、多数の胚がある場合においても、確率の高い順に表示されることから、確率の高い順に検討できる利点がある。

　図２１は、実際に胚移植を行った場合における情報を入力する画面の一例である。移植日、ＬＡＨ施行の有無、移植数、などを入力でき、かかる情報が記憶されてよい。

　図２２は、移植に関する結果を入力する画面の一例である。移植の結果として、妊娠陽性、ＨＣＧ値、ＧＳ確認の有無、着床ＧＳ数、妊娠日、などを入力可能とされ、かかる入力された情報は、記憶されてよい。また、出産についても、出産又は流産、産子数、子宮外妊娠等の情報が、入力可能とされ、かかる入力された情報は、記憶されてよい。また、出産された出産日、週数、日数、出生体重、性別、分娩方法、なども入力可能とされ、かかる入力された情報は、記憶されてよい。

　上述のように多数の患者に関する情報が記憶されたものについては、適宜、検索が可能であって良い。利用者は、実際のデータを検索することにより、過去の実際の情報と比較可能となる利点がある。

　例えば、図２３は、ＩＶＦの種々の観点について、検索が可能であって良い。例えば、移植方法が、新鮮胚移植や凍結胚移植、又は、単一胚移植や複数胚移植や二段階移植、などである。また、検索される情報の段階として、情報が入力された段階のものを対象とするのか、胚が選択されたもののみを対象とするのか、移植済みのものみを対象とするのか、結果が出たもののみを対象とするのか、それとも全てを対象とするか、などである。同様に、結果についても、妊娠があるもの、出産があるもの、又は、全てを対象とする、などが選択可能であって良く、これらの検索条件に合うものを検索可能とされてよい。

　図２４は、検索結果の画面の一例である。各ＩＶＦについて、患者ＩＤ、移植日、新鮮胚又は凍結胚、移植方法、そして、現在の入力情報が表示されてよく、「ＩＶＦ編集」をクリックして選択することにより、各ＩＶＦへの頁に移動可能であって良い。また、現在の入力情報は、４つの矢印で表示されているが、これらは、ＩＶＦ情報入力、胚選択、胚移植、結果入力、という本システムの４ステージのうち、どのステージまで情報が入力されているか、を示すものであってよい。

　図２５は、胚検索を行う画面の一例である。ここでは、患者ＩＤ、採卵日などの情報によって、胚の検索が可能であって良い。かかる検索された胚について、後述する、胚情報の入力が容易となる利点がある。

　図２６は、検索した胚の結果を示す一例である。

　図２７は、胚についての培養結果を、ＣＳＶファイルの形式でインポート可能な画面の一例である。かかる画面により、胚の培養結果を、効率的かつ負担なく、入力できる利点がある。指定フォーマットや、ファイル形式などは、患者情報におけるファイルのインポートと同様である。

　図２８は、胚についての画像を登録する画面の一例である。かかる画面により、画像ファイルをアップロード可能であって良い。胚画像が記憶されることにより、より胚に関する情報を収集し、整理できる利点がある。なお、この場合、特定の一又は複数のフォルダに予め胚画像を格納しておき、かかる一又は複数のフォルダを指定することにより、かかるフォルダ内に含まれる胚画像を記憶できるような構成にしてもよい。

　図２９は、胚培養結果の情報を入力した結果を表示する画面の一例である。胚についての統計情報、撮像された画像を時系列に配置したもの、などが表示されている。ここで、中央の「略」とされたものの一例としては、図３０のリストに挙げられたものがある。これらの情報は、統計情報として、生成されたものでもよいし、手入力で入力されたものでもよい。

　また、ここで、胚の画像の自動的な撮像及び、かかる胚（受精卵）を撮像した画像に係る情報の収集について、説明する。

　ＡＲＴを行うための胚は、時間の経過とともに、胚特有の生育が行われる。本願発明者は、この過程の情報が、ＡＲＴについての予測を行うのに利用できることに着目し、上述の通り、少なくとも一部を利用した機械学習部を検討した。他方で、かかる胚の生育過程に関する情報を手作業で収集する場合、非効率的であることにも着目した。そこで、胚の生育過程に係る情報の収集を支援する技術について、以下に説明する。かかる胚の生育過程に係る情報の収集を支援する技術（本願書類において、「胚情報収集システム」ということがある）により、作業負担が減少する利点がある。

　胚情報収集システムは、胚の培養過程を継続的に撮像する撮像装置によって撮像された画像を用いる。かかる画像を収集可能な、胚の培養過程を継続的に撮像する装置は、公知の技術であってもよい。
　胚情報収集システムは、機械学習機能を有する。胚情報収集システムは、胚の培養過程を継続的に撮像された動画を構成する画像群と、胚画像に係る情報と、の関係を機械学習する機械学習する機能を有してよい。胚情報収集システムは、胚の培養過程を継続的に撮像された動画を構成する画像群と、胚画像に係る情報と、の関係を機械学習済みの機械学習部を有する。かかる機械学習済みの機械学習部は、学習済みモデルであってもよい。胚情報収集システムは、対象となる胚の画像を取得し、かかる胚の画像に対して、かかる機械学習済み機能を適用し、対象となる胚の画像についての、胚画像に係る情報を生成する機能を有する。

　胚画像に係る情報は、所定のイベントの有無、及び／又は、所定のイベントの発生時間に係る情報、を含んでよい。所定のイベントは、胚の生育過程特有のイベントであって良く、たとえば、雌雄前核形成、雌雄前核消失、細胞分裂、胚盤胞形成、などが挙げられてよい。また、所定のイベントは、細胞分裂による細胞の数の増加、であってもよい。また、所定のイベントの発生時間に係る情報は、胚の受精時からの経過時間や、所定のイベントからの経過時間、などであってよい。

　例えば、胚情報収集システムは、機械学習済み機能を用いて、胚画像内の極体と雌雄前核を検出する機能を有してもよい。

　なお、採卵を中止した場合、図３１のように採卵の中止に関する情報を入力し、記憶させる。

　次に、本願に係るシステムの画面の一例として、他の例を説明する。一例のシステムが胚についての関連する情報を記憶し表示することによって、医療関係者は、患者に関する胚を選択するにあたり、より精緻に胚の選択の検討が可能となる利点がある。

　図３２は、胚の細胞分裂の態様を示すグラフを、表示する一例である。かかるグラフは、例えば、図２０のような、胚を選択する画面において、一の患者と関連付けられる複数の各胚と関連付けられて、各胚についての細胞分裂の態様として、表示されてよい。図３２は、細胞分裂が生じた時点における経過時間がプロットされているものであり、胚の細胞分裂による細胞数と経過時間との関係を示すものである。経過時間は、受精卵を生成した時点でもよいし、受精卵から所定の事象が生じた時点でもよく、医療関係者が適宜決定した開始時間からの経過時間としてよい。かかる細胞数と経過時間の関係により、胚が、どのような生育過程を経ているかを、グラフ表示により理解できる利点がある。なお、かかるグラフは、詳細なグラフであってもよいし、グラフの傾向を示すイメージを示すものであってもよい。また、かかる画面が、選択対象の胚と関連付けられて表示される又は表示可能とされることにより、胚を選択する際の貴重な情報になる利点がある。表示可能とするための態様としては、例えば、選択対象の胚と関連付けられたボタンなどが選択されることにより、ポップアップや他の画面遷移等の態様によって、表示可能とされてよい。

　図３３は、胚についての情報を表示する他の画面の一例である。かかる一例は、上述の胚情報収集システムによって、胚についての情報が収集された場合において、かかる情報を表示される構成の一例である。本例は、上述の種々の発生したイベントと、そのイベントが発生した経過時間と、そのイベントが発生した胚の画像と、が関連付けられて表示されている一例である。このように一覧表示されることで、胚がどのように生育されているのか、また、各生育過程における種々の情報を容易に理解できる利点がある。また、かかる画面が、選択対象の胚と関連付けられて表示される又は表示可能とされることにより、胚を選択する際の貴重な情報になる利点がある。表示可能とするための態様としては、例えば、選択対象の胚と関連付けられたボタンなどが選択されることにより、ポップアップや他の画面遷移等の態様によって、表示可能とされてよい。

　図３４は、対象となる患者についての情報を表示する画面例の一例である。本画面においては、対象患者に係る情報が、同一年齢群及び同一年齢群で実際に妊娠した群と比較した場合の関係を示すものである。縦の各項目は、血液データ、ホルモン値など、患者についての検査データがあってよい。そして、各検査項目について、実際に妊娠及び／又は出産した人々の検査値の範囲が斜線で表示されてよい。また、対象となる患者についての検査データが、楕円の●にて表示されている。ここでは、血液データは、実際に妊娠及び／又は出産した人々の検査値範囲内であるが、ホルモン値はかかる検査値範囲外であることを示している例である。かかる表示例により、対象となる患者が、妊娠及び／又は出産した人々の検査値の範囲内に含まれているかどうかという情報が表示され、医療関係者は、妊娠及び／出産についての情報を収集できる利点がある。なお、かかる画面例は、上記と同様に、図２０のような胚を選択する画面において、一の患者と関連付けられて、患者に係る情報として、表示されてよい。この場合、胚に関する情報と合わせて、対象となる患者についての情報を収集し、理解できる利点がある。

　本願書類における機械学習済みモデルは、人工知能ソフトウェアの一部であるプログラムモジュールとしての利用が想定されてよい。本願発明の学習済みモデルは、CPU及びメモリを備えるコンピュータにて用いられてよい。具体的には、コンピュータのCPUが、メモリに記憶された学習済みモデルからの指令に従って、ニューラルネットワークの入力層に入力された入力データ（例えば、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報）に対し、ニューラルネットワークにおける上述重みを用いた演算を行い、ニューラルネットワークの出力層から結果（前記受精卵に基づく生育に係る情報）を出力するよう動作してよい。特に、本願発明に係る機械学習済みモデルは、DeepLearning（深層学習）モデルを含んでよい。

４．更なる実施形態例
　次に、上述の実施形態に対する更なる追加の機能態様を説明する。以下で述べる構成や機能は、個々が独立して、上述の実施形態に追加されてよいし、上述の実施形態とは独立の発明であってもよい。

　４．１．タイムラプス画像群
　本願書類における機械学習済みモデルにおいて利用される画像は、タイムラプス画像群であってよい。かかるタイムラプス画像群は、所定の時間間隔毎に撮像された画像群であってよい。例えば、一つの受精卵を撮像する場合において、１５分間隔毎に撮像される、などであってよいが、かかる間隔は一例であり、１分間隔毎や２分間隔毎などの短い間隔でもよいし、３０分間隔毎や１時間間隔毎などの長い間隔でもよい。また、タイムラプス画像群の対象期間としては、例えば、５日間などであってよいが、これよりも短くてもよいし、長くてもよい。このように、一つの受精卵の生育過程を、タイムラプス画像群を用いることにより、生育過程を踏まえた画像の変化の情報を利用できる利点がある。

　また、本願書類における機械学習済み機能において利用される上述のタイムラプス画像群は、一の受精卵についてのタイムラプス画像群の全部を用いてもよいし、かかるタイムラプス画像群の一部の画像を用いてもよい。後者の例としては、例えば、機械学習済み機能に対して入力される画像は、一の受精卵についてのタイムラプス画像群のうちの特定の複数の画像であってもよい。

　機械学習済みの機械学習部に入力される特定の複数の画像は、受精卵の生育過程のうちの特定の生育時点に対応するものであってよい。例えば、受精卵の生育過程のうちの特定の生育時点としては、ｔSC、ｔSB、ｔB、などが挙げられる。すなわち、発明者らは、一の受精卵の生育過程において現れうる、t2、t3、t4、t5、t6、t7、t8、(t9+)、tM、tSB、tB、tEB、tHB、ｔSC等のいずれも各固有の情報を有するところ、特に、ｔSC、ｔSB、ｔBの生育時点が、上述の生育に係る情報について、影響を与えることを発見した。そのため、上述の生育に係る情報を出力とする機械学習済みモデルへの入力に使用される画像は、ｔSC、ｔSB、ｔBの生育時点に対応する画像を含む画像であってよい。この場合、影響を与える画像を利用することで、より精度高く情報を生成できる利点がある。

　また、受精卵の生育過程のうちの特定の生育時点に対応する画像を特定する際、生育過程を特定する機械学習済みモデルが用いられてもよい。すなわち、生育過程を特定する機械学習済みモデルは、画像と、画像に対応する生育時点（例えば、t2、t3、t4、t5、t6、t7、t8、(t9+)、tM、tSB、tB、tEB、tHB、ｔSC等）と、の関係を機械学習済みであってよい。かかる生育過程を特定する機械学習済みモデルは、受精卵の生育過程の一の生育時点について撮像された画像を入力とし、かかる撮像された画像に対応する生育時点を出力としてよい。かかる生育過程を特定する機械学習済みモデルが利用されることにより、一の受精卵についてのタイムラプス画像群を構成する複数の画像が入力された場合、各画像に対応する生育過程が特定できてよい。そして、上述のように、特定の生育時点であるｔSC、ｔSB、ｔB、に対応する、一の受精卵についてのタイムラプス画像群の複数の画像のうちの、特定の複数の画像を特定できてよい。各受精卵の生育過程は、個々の受精卵毎に異なりうることから、受精卵の生育過程を時間のみで、t2、t3、t4、t5、t6、t7、t8、(t9+)、tM、tSB、tB、tEB、tHB、ｔSC等を特定することは難しい。しかし、かかる生育過程を特定する機械学習済みモデルが用いられることにより、個々の受精卵の成長速度を踏まえて、受精卵の画像から、tSC、ｔSB、ｔB等の生育時点を特定できる利点がある。なお、上述のtSC、ｔSB、ｔB等の生育時点は、例えば、受精卵の受精から、８２時間、９７時間、１０８時間などが一例であるが、これらの時間は経過時間についての正規分布にしたがってよく、これらの時間は、正規分布の頂点に対応する個所の時間であってよい。

　次に、タイムラプス画像群及び特定の生育過程に対応する画像を用いた処理の流れの一例を説明する。

　まず、一の受精卵についてのタイムラプス画像群を取得する（ステップ１）。

　次に、画像と、受精卵の特定の育成時点と、の関係を機械学習済みである、生育過程を特定する機械学習済みモデルを用いて、タイムラプス画像群を構成する複数の画像に対応する生育時点を特定する（ステップ２）。

　次に、タイムラプス画像群と対応する生育時点の情報を用いて、特定の生育時点（tSC、ｔSB、ｔB）に対応する画像を特定する（ステップ３）。

　特定の生育時点に対応する画像を含む受精卵を撮像した画像に係る情報を用いて、上述のとおり、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みである機械学習器を含む機械学習部の機械学習器に適用して、前記対象受精卵に対応する生育に係る情報を生成する（ステップ４）。なお、受精卵を撮像した画像に係る情報における受精卵を含む画像は、上述の特定の生育時点（tSC、ｔSB、ｔB）に対応する画像のみが用いられてもよい。

　４．２．雌雄前核領域の特定
　次に、本願書類に係る機械学習済みモデルにおいて、雌雄前核の領域をピクセル単位で特定する手法について、説明する。雌雄前核の領域を、ピクセル単位で計算することにより、より精緻に雌雄前核の領域の面積を計算できる利点がある。

　画像と、雌雄前核の領域と、の関係を機械学習する機械学習済みモデルは、受精卵についての画像と、前記受精卵についての画像内の雌雄前核領域が所定の手法により特定された画像と、の関係を機械学習してよい。所定の方法は、画像内の雌雄前核の領域を、機械学習時に特定できるものであればよい。例えば、画像内の雌雄前核領域が、アノテータがアノテーションされたものでよい。アノテーションの態様は、所定の色や所定の模様などであってよい。

　例えば、図４１は、雌雄前核に対して所定の方法でアノテーションされた画像である。本図では、雌雄前核のうち、雌性前核を青（４１１）、雄性前核を赤（４１２）に設定した例である。このように所定の方法で雌雄前核が特定されてアノテーションされた画像が用いられて機械学習がされた機械学習済みモデルは、受精卵についての画像を入力とすると、出力は、入力された画像に対して所定の方法で雌雄前核が特定された画像となる。特に機械学習時のアノテーションが、雌雄前核の領域を直接所定の方法で特定していることから、かかる雌雄前核の領域をピクセル単位で特定できる利点があり、これにより、雌雄前核の領域の面積を、より精緻に計算できる利点がある。かかる雌雄前核の領域の面積は、受精卵を撮像した画像に係る情報の下位概念であってよい。

　４．３．雌雄前核を含む画像の特定
　次に、受精卵内の雌雄前核を含む画像の特定方法について、説明する。

　受精卵における雌雄前核は、３次元の受精卵内の種々の場所に存在する可能性がある。そのため、例えば、受精卵を、タイムラプスインキュベータなどによって受精卵自体を破壊せずに受精卵を輪切り上の平面で撮像する場合において、かかる平面上に雌雄前核が存在しない場合や雌雄前核の撮像が不十分な場合がある。その場合、雌雄前核に関する情報が不十分となる問題が生じる。

　そこで、受精卵内の雌雄前核を含む画像を特定する段階において、発明者は、機械学習済みモデルを利用することを見出した。すなわち、画像と、かかる画像内の雌雄前核領域と、の関係を機械学習した機械学習済みモデルであって、入力された画像に対応する雌雄前核の領域を出力した場合における予測信頼度スコアを出力可能な機械学習済みモデル、が用いられて、かかる予測信頼度スコアが用いられて、受精卵内の雌雄前核を含む画像を特定してよい。

　受精卵内の雌雄前核を含む画像を特定する場合における一例の処理は、次のようなものである。

　まず、一の受精卵についての特定の時点において、タイムラプスインキュベータ装置において撮像される３次元のZ軸方向の値が異なる複数の画像を取得する（ステップ１）。一の受精卵についての特定の時点において、例えば、タイムラプスインキュベータが、３次元におけるZ軸方向の値が異なる、一の受精卵に対する、７つの画像や、１１つの画像を取得する。

　次に、複数の画像を、機械学習済みモデルに適用して、各画像に対する予測信頼度スコアを計算する（ステップ２）。例えば、上述の７又は１１の画像に対して、機械学習済みモデルを適用して、対応する、予測信頼度スコアを計算する。

　次に、かかる特定の時点における複数の画像のうち、予測信頼度スコアの最も高い画像を選択する（ステップ３）。例えば、上述の７又は１１の画像に対応して得られた、７又は１１の予測信頼度スコアのうち、最も高い予測信頼度スコアに対応する画像を特定する。なお、以上の流れにおいて、タイムラプスインキュベータが撮像可能な画像の枚数の７又は１１は一例であり、他の枚数であってもよい。

　また、以上の流れにおける、一の受精卵のタイムラプス画像に対し、上述の機械学習済みモデルの適用は、タイムラプス画像の異なる時点毎に適用されてよい。雌雄前核は、胚の運動や焦点の関係で、ある時点においては受精卵のある特定の平面で撮像することが好ましいとしても、同一の受精卵についての他の時刻において同一の特定の平面で撮像することが好ましいとは限らないためである。したがって、一の受精卵に対して利用される画像が、タイムラプスの各時点において、複数の画像のうちの一の画像を選択できることにより、より情報量の多い画像を利用できる利点がある。

　以上のとおり、一の受精卵について、タイムラプスインキュベータによって撮像された、特定の時点における複数の画像のうち、機械学習済みモデルの予測信頼度スコアを利用することにより、より適切な雌雄前核を含む画像を特定できる利点がある。

　かかる特定された雌雄前核を含む画像は、上述の対象受精卵に係る情報の一部として、システムにおいて、利用されてよい。

　なお、上述において、一の受精卵と説明したが、受精卵を撮像したものであれば、複数の受精卵が含まれるものであってもよい。

　４．４．画像情報の分析
　次に、撮像画像に関する情報を提供支援する技術を説明する。

　一例のシステムが本機能を備える場合、本例のシステムは、タイムラプス画像群に対し、設定された種々の条件に対応する一又は複数の画像及び／又は数値を出力可能であってよい。本機能は、生育に係る情報を生成する機能とは、別途独立に機能するものであってもよいし、上述の生育に係る情報が生成された場合と関連付けられた受精卵を撮像した画像に係る情報の下位概念であってもよい。

　種々の条件は、時に係る情報、項目に係る情報、項目間比較、特定項目の数値比較、総合判定、などを含んでよい。

　時に係る情報は、例えば、フレーム数指定、フレーム数（相対値）、時間指定、時間指定（相対値）、所定の形態的特徴が生じる時に係る情報、などを含んでよい。フレームは、上述のタイムラプス画像群における複数の画像の一を特定するものであってよい。所定の形態的特徴が生じる時に係る情報は、例えば、前核がないもの、前核があるもの、前核が発生した時点、前核消失時点、細胞数が２となった時点、細胞数が４となった時点、細胞数が８となった時点、細胞数が１６となった時点、細胞内の状態が所定の変化を生じた時点、細胞膜の状態が所定の状態に変化した時点、極体が1個になった時点、及び／又は、極体が2個になった時点、などであってよい。また、これらのかかる時に係る情報は、所定の時点が生じたものであってもよいし、所定の状態が充足される期間であってもよい。

　例えば、図３５は、時に係る情報を設定する画面の一例を示す。表示画面内において、時に係る情報を種々設定可能であり、例えば、画像の検索や数値を計算する対象としての時に係る情報として、前核消失時点を設定したり（３５０１）、フレーム相対数として＋２を設定したり（３５０２）、時間指定の相対値として－４５０を設定する（３５０３）ことができてよい。なお、この場合、画像の検索又は数値を計算する対象となるのは、前核消失時点からフレーム＋２かつ－４８０時間とされたものである。このように、検索条件を一又は複数設定することにより、所望の画像の検索又は数値の計算の対象を特定できる利点がある。また、このように複数の検索条件で設定されるものに対して、名称を設定できてよく（３５０４）、また、このように設定された名称によって検索条件を呼び出すことができてよい。この場合、検索条件を名称により簡単に呼び出せるため、便宜が向上する利点がある。

　また、図３６は、時に係る情報を設定した後の画面であり、更に、他の時に係る情報の設定が可能であってもよく（３６０１）、また、時に係る情報に追加して、又は、代えて、項目の設定をしてもよい（３６０２）。

　また、項目は、細胞数、細胞全体の面積、個別細胞の面積、細胞全体の半径、個別細胞の半径、細胞全体の中心座標、個別細胞の中心座標、雌性前核の面積、雄性前核の面積、雌性前核の座標、雄性前核の座標、及び／又は、極体の中心座標、などを含んでよい。また、項目は、一又は複数の項目が設定されてよく、また複数の項目間の加減乗除、剰余を設定可能であってよい。

　例えば、図３７は、項目を設定する画面の一例である。項目は、一又は複数のもので設定してよい（３７０１）。一の項目の場合は、かかる項目を直接設定してよい。本図では、複数の項目を設定する画面を示している。複数の項目を用いた演算としては、例えば、雌性前核の面積（３７０２）から、雄性前核の面積（３７０３）を、減算する演算を示している。

　また、項目間比較は、項目間の、大なり、小なり、大なりイコール、小なりイコール、及び／又は、イコール、などの比較演算が設定可能であってよく、項目間比較の判定値（TRUE・False）、二値計算結果（フレーム数など）を生成し、表示できてよい。

　図３８は、項目間比較を設定するための画面の一例である。一つ目の項目間比較（３８０１）の設定は、時点を特定しない雌性前核の面積が、前核消失直前時点の雄性前核の面積よりも大きいものである。二つ目の項目間比較（３８０２）は、前核形成初期（８時間以上前）における雄性前核面積が、前核形成初期（８時間以上前）の雌性前核面積よりも大きいものである。三つ目の項目間比較（３８０３）は、前核消失８時間前における前核面積差が、前核消失８時間前より1フレーム前の時点における前核面積差よりも大きいものである。こそして、これら３つの項目間比較に合致するフレーム数（３８０４）が算出される。

　また、上述の種々の所定の条件に基づく特定項目と数値との比較もできてよい。例えば、図３９は、時点を定義せず、細胞の半径が、数値４０よりも大きいものを設定（３９０１）し、その条件に合致するフレーム数を出力とする（３９０２）設定である。なお、出力地として、フレーム数に代えて、そのような条件を充足するものの有無を判定値として（YES／NO）で表示してもよい。

　また、上述の判定値又はフレーム数に基づいて、一例のシステムは総合判定機能を有してよい。例えば、図４０は、JE001の判定値A（４００１）と、JE002の判定値B（４００２）と、JE003の判定値C（４００３）との関係について、（A　OR　B）AND　Cの関係をベン図で判定してよい。また、ベン図に加えて又は代えて、項目比較や数値比較などが可能であってよい。

　以上の種々の所定の条件が設定されることにより、所望の画像及び／又は画像内の数値の計算が可能であってよい。

　例えば、本例のシステムを用いて、複数の異なる時点時点における受精卵の雌雄前核の各中心座標が生成された場合、これらの中心座標の推移から、雌雄前核の運動性と妊娠・出産などの臨床結果との関連性を調査するための参考情報を、利用者は取得できる利点がある。

　また、他の例においては、本例のシステムを用いて、時系列上の複数の異なる時点における細胞の分割数が生成された場合、細胞の分割数の推移が判明することから、生育過程と妊娠・出産などの臨床結果との関連性を調査するための参考情報を、利用者は取得できる利点がある。

　更に、他の例においては、本例のシステムを用いて、時系列上の複数の異なる受精卵の細胞数が生成された場合、受精卵の細胞数の推移が判明することから、細胞数と妊娠・出産などの臨床結果との関連性を調査するための参考情報を、利用者は取得できる利点がある。

　また、本例のシステムは、種々の条件を充足する画像を特定する及び／又は種々の条件を充足する数値を計算するために、画像と、画像内の細胞に係る情報と、の関係を学習した機械学習済み機能が使用されてよい。画像内の細胞に係る情報は、例えば、画像内における、雌雄前核の位置・面積、細胞膜の位置・面積、細胞数、及び／又は、極体の位置・面積・半径、などであってよい。すなわち、機械学習部は、画像と画像内の雌雄前核の位置及び／又は面積との関係を機械学習済みであってよい。また、機械学習部は、画像と画像内の細胞膜の位置及び／又は面積との関係を機械学習済みであってよい。また、機械学習部は、画像と画像内の細胞数との関係を機械学習済みであってよい。また、機械学習部は、画像と、画像内の極体の位置、面積、及び／又は半径との関係を機械学習済みであってよい。これらの関係を機械学習されていることにより、本例のシステムは、取得したタイムラプス画像群に対して、これらの機械学習済み機械学習部が適用されて、対応する数値などを生成し、これらを用いて、上述の所定の条件を充足する画像及び／又は数値を生成してよい。

　例えば、本例のシステムは、画像と、画像内の細胞に係る情報と、の関係を学習した機械学習済みモデルを備え、一の受精卵についてのタイムラプス画像群における個々の画像について、前記機械学習済みモデルが適用されて、画像と画像に対応する画像内の細胞に係る情報を関連付けて記憶し、時に係る情報、項目に係る情報、項目間比較、特定項目の数値比較、及び／又は、総合判定を含む種々の条件を取得する取得部と、前記種々の条件を充足する画像及び／又は数値を生成する生成部と、充足した前記画像及び／又は数値を表示する表示部と、を有してよい。

　本願書類において、「雌雄前核」という用語は、雌性前核、及び／又は、雄性前核、を含んでよい。そのため、例えば、雌雄前核の領域は、雌性前核の領域、及び／又は、雌性前核の領域、を含むものとして理解されてよい。また、本願書類における機械学習機能において利用される画像は、上述のタイムラプス画像群に含まれる画像であってもよいし、タイムラプスではない単なる画像であってもよい。

　本明細書で説明される処理及び手順は、実施形態において明示的に説明されたものによってのみならず、ソフトウェア、ハードウェア又はこれらの組み合わせによっても実現可能なものである。また、本明細書で説明される処理及び手順は、それらの処理・手順をコンピュータプログラムとして実装し、各種のコンピュータに実行させることが可能である。また、プログラムは、記録媒体に記録されてよい。また、プログラムは、非一過性の記録媒体に記録されてよい。また、記録媒体は、一時的でないものであってよい。

１０　情報処理装置
１１　バス
１２　演算部
１３　記憶部
１４　入力部
１５　表示部
１６　通信ＩＦ
１９　００　ネットワーク
０１ａ、０１ｂ　利用者端末
０２　管理者端末
２０２、３０２、４０２、５０２　サーバ
２０３、３０３、４０３、５０３　データベース
４０４、５０４　機械学習部
６１　取得部
６２　機械学習部
６３　協調機械学習部
６４　制御部
６５　記憶部
１２１、１２２、１２３　機械学習器
１３１、１３２　機械学習部
１３３　協調機械学習部

Claims

　対象受精卵に係る情報を取得する取得部と、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みである機械学習器を含む機械学習部と、
　取得した前記対象受精卵に係る情報を、前記機械学習部内の機械学習器に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成部と、
を備えるシステム。
　前記受精卵について測定された情報は、前記受精卵の採卵時に測定された情報と、及び／又は、前記受精卵の移植時に測定された情報と、を含み、
　前記機械学習部は、深層学習に係る機能を含む、
請求項１に記載のシステム。
　前記男性及び／又は女性に係る情報は、前記女性の血液の検査値に係る情報、前記女性のホルモン値に係る情報、及び／又は、前記男性の精子に係る情報を含む、
請求項１又は２に記載のシステム。
　前記対象受精卵に係る撮像された画像に係る情報と、前記対象受精卵に対応する生育に係る情報と、を関連付けて記憶する、
請求項１乃至３のいずれか１項に記載のシステム。
　前記対象受精卵に係る男性及び／又は女性に係る情報と、心拍数を伴う胎嚢形成である妊娠および出産する確率が所定の値よりも高い男性及び／又は女性に係る情報と、を関連付けて記憶する、
請求項１乃至４のいずれか１項に記載のシステム。
　前記関連付けて記憶された情報を、情報処理装置内のディスプレイに表示可能とさせるよう、前記情報処理装置に伝達する伝達部、
を備える請求項４又は５のいずれか１項に記載のシステム。
　前記対象受精卵について撮像された複数の画像の各々を、前記画像について判定された所定のイベント、及び／又は、前記画像が撮像された経過時間、を関連付けて記憶する、
請求項１乃至６のいずれか１項に記載のシステム。
　前記対象受精卵について撮像された複数の画像の各々における前記対象受精卵の細胞分裂による細胞数と、かかる細胞分裂時の経過時間と、の関係を情報処理装置内のディスプレイに表示可能とさせるよう、前記細胞数と前記経過時間とを関連付けた情報を、前記情報処理装置に伝達する伝達部、
を備える請求項１乃至７のいずれか１項に記載のシステム。
前記生育に係る情報は、心拍数を伴う胎嚢形成である妊娠の可能性、出産される可能性、生物学的検査値に係る情報、及び／又は、染色体異常の可能性、を含む、
請求項１乃至８のいずれか１項に記載のシステム。
　前記対象受精卵に係る情報は、前記対象受精卵を撮像した画像に係る情報と、前記対象受精卵に係る男性及び／又は女性に係る情報と、前記対象受精卵について測定された情報と、を含む、
請求項１乃至９のいずれか１項に記載のシステム。
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、を取得部と、
　前記取得した、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する機械学習部と、
　前記機械学習によって得られた機械学習に係る重みを生成する生成部と、
　前記生成された重みを、他の情報処理装置に伝達する伝達部と、
を備える請求項１乃至１０のいずれか１項に記載のシステム。
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する第１機械学習部によって生成された第１重みを取得する取得部と、
　受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習する第２機械学習部によって生成された第２重みを取得する取得部と、
　前記第１重みと第２重みとを統合し、前記第１機械学習部及び前記第２機械学習部によって利用可能な第３重みを生成する生成部と、
を備えるシステム。
　コンピュータが、
　対象受精卵に係る情報を取得する取得ステップ、
　取得した前記対象受精卵に係る情報を、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みの機械学習部に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成ステップ、
を実行する方法。
　コンピュータを、
　対象受精卵に係る情報を取得する取得手段、
　取得した前記対象受精卵に係る情報を、受精卵を撮像した画像に係る情報と、前記受精卵に係る男性及び／又は女性に係る情報と、前記受精卵について測定された情報と、前記受精卵に基づく生育に係る情報と、の関係を機械学習済みの機械学習部に適用して、前記対象受精卵に対応する生育に係る情報を生成する生成手段、
として動作させるプログラム。
　前記対象受精卵に係る情報は、タイムラプス画像群を含み、
　前記タイムラプス画像群は、ｔSC、ｔSB、及び、ｔBの形態が撮像された画像を含み、
　前記ｔSC、ｔSB、及び、ｔBの形態が撮像された画像は、画像と、画像に対応する生育時点との関係を機械学習済みモデルが適用されることによって、特定される、
請求項１乃至１０のいずれか１項に記載のシステム。
　前記受精卵を撮像した画像に係る情報は、雌雄前核の領域の面積を含み、
　前記雌雄前核の領域の面積は、精卵についての画像と、前記受精卵についての画像内の雌雄前核領域が所定の手法により特定された画像と、の関係を機械学習済みモデルが適用されることが用いられて、計算される、
請求項１乃至１０及び１５のいずれか１項に記載のシステム。
　前記受精卵を撮像した画像に係る情報は、雌雄前核を含む画像を含み、
　前記雌雄前核を含む画像は、画像と、かかる画像内の雌雄前核領域と、の関係を機械学習した機械学習済みモデルが適用され、前記機械学習済みモデルに係る予測信頼度スコアが使用されて特定される、
請求項１乃至１０、１５、及び１６のいずれか１項に記載のシステム。
　コンピュータを、請求項１乃至１０及び１５乃至１７のいずれか一項に記載のシステムとして動作させるプログラム。