Video Experimental Relacionado
Updated: May 5, 2026
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Un algoritmo de aprendizaje automático para predecir el éxito de una segunda extracción de esperma testicular
Akef Obeidat1, Belal Nedal Sabbah1, Hammam Mandourah2
1Alfaisal University, College of Medicine, Riyadh, Saudi Arabia.
La predicción del éxito de una segunda extracción de esperma testicular (TESE) es crucial para los pacientes con azoospermia. Un modelo de aprendizaje automático que utiliza factores como los niveles hormonales y el historial de procedimientos logró una precisión del 80% en la identificación del éxito de la recuperación de esperma.
Área de la Ciencia:
- Medicina de la reproducción
- Inteligencia artificial en el cuidado de la salud
- Urología
Sus antecedentes:
- La extracción de esperma testicular (TESE) es vital para los pacientes con azoospermia.
- Las tasas de éxito para los procedimientos TESE repetidos son a menudo bajas.
- Se necesitan herramientas predictivas para el éxito del segundo TESE (microTESE).
Objetivo del estudio:
- Desarrollar y evaluar un algoritmo de aprendizaje automático.
- Predecir el éxito de un segundo TESE microquirúrgico (microTESE).
Principales métodos:
- Análisis retrospectivo de 47 pacientes sometidos a un segundo microTESE.
- Utilizado el aprendizaje supervisado de la máquina (Support Vector Machine - SVM).
- Variables incluidas: lado del procedimiento, histopatología, FSH, testosterona, volumen testicular, comorbilidades.
Principales resultados:
- El modelo SVM logró una precisión del 80% después del ajuste del hiperparámetro.
- Los procedimientos bilaterales y los intervalos más largos entre cirugías aumentaron el éxito.
- Los antecedentes de cáncer tuvieron un impacto negativo en los resultados; la FSH, la testosterona, la histopatología, el varicocele y el intervalo de procedimiento fueron predictores clave.
Conclusiones:
- El aprendizaje automático predice con precisión la presencia de esperma en el segundo microTESE para la azoospermia no obstructiva.
- El modelo SVM es prometedor al incorporar factores clínicos y hormonales.
- Se requiere una validación adicional para una aplicabilidad más amplia.
