放射学优化了对妇女的子宫内膜接受度的评估,这些妇女有不明原因的重复妊娠损失

科学领域:

• 生殖医学 生殖医学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 优化子宫内膜受体 (ER) 是成功怀孕的关键.
• 目前的ER评估方法对于复发性流产 (RPL) 患者来说是不够的.
• 放射学是一种人工智能技术,提供了一种定量方法来从医疗图像中评估ER.

研究的目的:

• 在RPL患者中识别与ER相关的超声波放射学特征.
• 开发一个放射学分数 (rad-score) 来预测RPL中正在进行的成功怀孕.
• 将rad-score的预测精度与标准ER参数进行比较.

主要方法:

• 对262名无法解释的RPL患者和273名对照者的回顾性研究.
• 从超声波子宫内膜图像中提取放射学特征,以创建rad-score.
• 后勤回归和ROC曲线分析,以评估rad-score和临床变量的预测准确性.

主要成果:

• 五个放射学签名形成了一个与RPL有显著关联的rad-score.
• 雷德得分,年龄,SA-PI和VI是RPL的独立相关物.
• 与年龄,SA-PI和VI相比,Rad-score显示出更高的预测准确性 (AUC=0.882).

结论:

• 植入窗口 (WOI) 期间子宫内膜激光线得分升高与无法解释的RPL有显著的关联.
• 放射学分数显示为RPL患者成功持续怀孕的预测工具.