制御された卵巣刺激後に回収されたMII卵子を予測するための解釈可能な機械学習モデル: 24,976回のIVF/ICSIサイクルを遡及的にコホート研究

科学分野:

• 生殖内分泌学と不妊症
• 医療における人工知能
• 医療におけるデータサイエンス

背景:

• 成熟した卵子の産出を予測することは,体外受精 (IVF) と細胞内精子注射 (ICSI) の結果を最適化するために極めて重要です.
• 正確な予測は 治療プロトコルをパーソナライズし 患者のカウンセリングを改善します
• 現存する予測方法には 精度や一般化性が欠けていることが多い.

研究 の 目的:

• 制御された卵巣刺激後に回収される成熟卵子の数を予測する機械学習モデルの有効性を評価する.
• 助産生殖技術を受けている患者の卵子産出に影響を与える主要な予測要因を特定する.
• 個別化された卵子産量予測のための臨床的に適用可能なツールを開発する.

主な方法:

• 24,976人の不妊症患者のサイクル (2018年−2022年) の遡及分析.
• 相関分析,LASSO回帰,ランダムフォレストを用いた特徴選択.
• RMSE,MAE,R-squaredを用いた8つの機械学習モデルの開発と評価
• SHAP値を用いた独立したデータセットと解釈による臨床検証

主要な成果:

• 6つの主要な予測要因が特定されました. 葉数,初期ホルモンレベル (FSH,エストラディオール),トリガー日のエストラディオール,大きな葉の数,患者の年齢.
• 多層パーセプトンモデルは,臨床検証において最も高い精度 (R^2 = 0. 714) を示した.
• エストラディオール濃度とトリガー日に大きな卵泡の数が最も強い予測指標でした.

結論:

• 機械学習モデルが開発され,成熟した卵細胞の産出量を正確に予測することができました.
• このモデルは,パーソナライズされた不妊治療の計画のための貴重なツールを提供します.
• ユーザーフレンドリーなウェブベースの計算機は,臨床の使いやすさを高め,情報に基づいた意思決定を支援します.