非梗阻性无精症（NOA）患者做显微取精（micro-TESE），取精成功率仅约45%，活产率约13%。难在哪里？手术中取出的睾丸组织被制成细胞悬液，胚胎学家要在显微镜下用肉眼逐视野寻找可能极其稀少的精子——背景里满是支持细胞、间质细胞、红细胞、组织碎片，工作枯燥、主观、极易疲劳漏检。能否让AI当"第二双眼睛"？上海交通大学附属第一人民医院联合中国计量大学团队，开发了改进型YOLO模型YOLOv11-RSD，并在真实手术中完成了临床评估。结论是：AI能实时标出候选精子，甚至发现人眼初次漏掉、包括被判为"无精"病例中的精子。

模型怎么做的？

研究用1165名手术患者的1932张显微图像、5032个标注精子对象训练模型。改进要点有三：一是在SPPF与C2PSA之间插入卷积块注意力模块（CBAM），强化精子特征、抑制组织碎片等"像精子"的干扰；二是把C2PSA模块重复次数从2减为1，降低算力、保住实时速度；三是采用P3/P4/P5三尺度检测头，兼顾密集小目标和稀疏视野。

与基线YOLOv11相比，改进模型在标准设置（IoU=0.5、置信度0.5）下：mAP50-95从0.549升至0.733，敏感性从0.614升至0.872；假阴性从38.6%降至12.8%，假阳性从10.3%降至6.8%。低密度样本敏感性从75.9%升至91.2%，中密度从57.0%升至88.3%。算力开销几乎不变（FPS 260.9 vs 262.4），单视野推理仅8.76毫秒。

临床验证结果

梗阻性无精症（生精正常）10例：在30%–70%五个置信度阈值下测试，敏感性最高达96.7%；50%阈值时PPV 83.5%、敏感性96.5%、F1 89.5%，为最优操作点。

NOA患者30例：按50%阈值实时运行，PPV 80.58%、敏感性96.11%、F1 87.66%。关键发现在于：6例患者中，AI标出了胚胎学家初次人工评估未识别的候选精子，其中2例原本被判为"取精阴性"，经第二位胚胎学家立即复核确认。这6例中，有随访结局的6例全部获得胚胎卵裂，3例最终活产；两例"阴性转阳性"者中，有1例诞生了单胎活产儿。

如何理解其价值与边界？

作者反复强调：AI是决策支持工具，不是自主系统。它只负责标出候选目标，任何用于ICSI的精子仍须胚胎学家确认并手动拾取；当AI与胚胎学家判断不一致时，以胚胎学家为准，并记录为模型漏检用于质控。系统的意义在于降低操作者依赖性和疲劳带来的漏检风险，尤其针对目标极稀少、背景极复杂的场景。

值得注意的是，研究并未证明手术总时间缩短——尽管算法推理只需8.76毫秒，瓶颈在图像采集、载物台移动、换视野和调焦等硬件与流程环节。这提示未来效率提升更多取决于成像与扫描流水线，而非单纯加速算法。

局限

单中心、临床队列有限（10例OA+30例NOA）；全部数据来自同一成像平台与标准化流程，显微镜倍率、光学参数、样本制备的差异可能造成"域偏移"，影响其他机构的表现；标注虽由三位资深胚胎学家共识完成，但未计算kappa等观察者间一致性指标；随访结局样本小，只能视为支持性临床观察，而非疗效优越性的确证证据。作者呼吁开展多中心前瞻性验证，并纳入手术级效率终点。

一句话总结：在显微取精这场"大海捞针"里，AI已经能实时递上一张"候选清单"，甚至在两例被判无精的病例中帮人找回了希望；但它仍是助手而非主角，能否真正缩短手术、提高取精率，还要靠更大规模、多中心的验证来回答。