日本は体外受精(ART)の実施数が世界最多級だが、1周期あたりの生児率は高くなく、どの胚を移植するかは今も胚培養士の主観的なグレード評価に依存する。少子化が進むなか反復する採卵・移植の身体的・経済的負担は重い。タイムラプスで連続観察された胚の発生動態から、着床・生児に至る胚を客観的に推定できるか——が問い。
タイムラプスの分割タイミング（モルフォキネティクス）と形態に深層学習を当て、内細胞塊・栄養外胚葉の質と動態を統合すれば、胚グレードというsurrogateでなく生児という臨床アウトカムを、施設・培養器・母体年齢をまたいで較正確率で推定できる、と仮説。「胚動態→生存性→生児の前向き較正」を一体で構造化する点が新規。
1胚あたり数百〜数千枚の連続画像と分割イベントは人手で定量しきれず、微細な動態差は経験則に埋もれる。時系列＋形態の表現学習でしか、胚動態と生児の関係や「移植で得をする胚」の抽出はできない＝AIでしか到達できない粒度。
胚の生存性と生児の構造マップ＝学会・論文。出口はまず胚培養士の選択支援（標準化・評価時間の短縮）、将来は非侵襲の生存性推定でPGTの侵襲生検の一部を代替し、反復周期の負担を減らす。最終判断は生殖医療専門医が担い、本企画は選択支援に限定。少子化下で社会的意義が大きく、Hiroは生殖医療を学ぶ医学生＝当事者。