Evaluación mediante aprendizaje automático del análisis de semen podría revelar nuevos marcadores relacionados con la...

Área de la Ciencia:

• Andrología
• Medicina Reproductiva
• Aprendizaje automático en atención médica

Sus antecedentes:

• La infertilidad masculina afecta a una parte importante de las parejas que buscan tratamiento de fertilidad.
• El estudio diagnóstico actual de la infertilidad masculina puede ser complejo y beneficiarse de herramientas analíticas avanzadas.
• El análisis de semen es una piedra angular de la evaluación de la infertilidad masculina, pero su interpretación puede ser un desafío.

Objetivo del estudio:

• Pilotar la aplicación de modelos de aprendizaje automático para la evaluación del análisis de semen.
• Evaluar el potencial del aprendizaje automático para mejorar el proceso diagnóstico de los hombres de parejas infértiles.
• Identificar variables clave que influyen en los resultados del análisis de semen utilizando aprendizaje automático.

Principales métodos:

• Estudio observacional retrospectivo utilizando datos del mundo real de dos centros terciarios italianos.
• Se utilizaron dos conjuntos de datos distintos (UNIROMA y UNIMORE) con combinaciones variables de datos de análisis de semen, hormonales, bioquímicos, de ultrasonido y de contaminación ambiental.
• Se aplicó análisis de aprendizaje automático XGBoost por separado a cada conjunto de datos.

Principales resultados:

• El conjunto de datos UNIROMA (n=2,334) mostró una alta precisión (AUC=0.987) en la predicción de azoospermia, siendo la hormona foliculoestimulante, la inhibina B y el volumen testicular los predictores clave.
• El conjunto de datos UNIMORE (n=11,981) demostró una buena precisión predictiva (AUC=0.668) para la azoospermia, destacando la contaminación ambiental (PM10, NO₂) y los datos bioquímicos (glóbulos blancos, glóbulos rojos) como variables cruciales.
• El aprendizaje automático identificó eficazmente variables predictivas influyentes en ambos conjuntos de datos.

Conclusiones:

• Los modelos de aprendizaje automático pueden ser herramientas valiosas en el estudio diagnóstico de la infertilidad masculina.
• Los resultados del análisis de semen parecen estar interconectados con las características ecográficas testiculares, los marcadores bioquímicos y la contaminación ambiental.
• Este estudio piloto apoya una mayor investigación sobre enfoques impulsados por IA para la evaluación de la salud reproductiva masculina.