通过机器学习预测受控卵巢过度刺激所获得的卵细胞数量
Timothy Ferrand1, Justine Boulant2, Chloe He3,4,5
1AI Team, Apricity, Paris, France.
Human reproduction (Oxford, England)
|August 15, 2023
概括
机器学习模型可以预测受控卵巢高刺激 (COH) 中的卵细胞检索数. 前毛囊数量,AMH和FSH是关键预测因素,有助于优化生育治疗.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 数据科学在临床应用中的应用
背景情况:
- 以前的模型预测受控卵巢过度刺激 (COH) 中的卵细胞产量经常分析有限的变量.
- 需要全面的预测模型,考虑影响COH结果的多个因素.
研究的目的:
- 开发和评估机器学习模型,用于预测COH期间检索的卵细胞数量.
- 使用可解释的AI方法识别影响卵细胞产量的关键因素.
主要方法:
- 使用Substra安全数据分析框架对11,286个COH循环进行了回顾性分析.
- 开发了三种光梯度增强机模型:直接预测和两个内置预测.
- 模型评估与基线回归方法相比,并使用SHAP值分析特征重要性.
主要成果:
- 直接预测模型的平均偏差为4.21个卵细胞;装箱模型显示偏差为0.73和0.62个.
- 模型性能在第一个和第三个四分位数中最强,极端值的预测不足.
- 前毛囊数量,基底AMH和FSH是卵细胞产量的最重要的预测因素.
结论:
- 机器学习模型显示出预测COH中卵细胞检索数量的前景.
- 这些模型,特别是那些识别关键预测因素的模型,可以帮助优化个性化的COH协议.
- 该 Substra 框架有助于对敏感的生育数据进行安全的外部分析,加速研究.
更多相关视频
12:36Whole Ovary Immunofluorescence, Clearing, and Multiphoton Microscopy for Quantitative 3D Analysis of the Developing Ovarian Reserve in Mouse
Published on: September 3, 2021
4.8K
08:46Fertility Preservation Through Oocyte Vitrification: Clinical and Laboratory Perspectives
Published on: September 16, 2021
6.0K
