通过以患者为中心的人工智能和机器学习 (AI / ML) 改善试管婴儿的利用:回顾性的多中心体验
Mylene W M Yao1, Elizabeth T Nguyen1, Matthew G Retzloff2
1Department of R&D, Univfy Inc., 117 Main Street, #139, Los Altos, CA 94022, USA.
Journal of clinical medicine
|June 27, 2024
概括
机器学习预后报告显示,在新的生育不良患者中,体外受精 (IVF) 使用率显著增加. 这些数据驱动的工具增强了患者提供者咨询和治疗决策,以提高试管婴儿成功率.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 医疗保健服务研究 医疗服务研究
背景情况:
- 在体外受精 (IVF) 在全球范围内仍然未得到充分利用,尽管它有可能帮助数百万怀孕.
- 有效的患者提供者咨询和数据驱动的治疗决策对于优化试管婴儿结果至关重要.
- 现有的预测工具可能缺乏全球适用性或局部适应性.
研究的目的:
- 调查机器学习的使用,中心特定 (MLCS) 预后报告 (Univfy®) 和试管婴儿利用率之间的关联.
- 评估MLCS报告如何影响提供者-患者咨询和随后的治疗决策.
- 为了确定MLCS报告的使用是否会影响转换率到宫内授精 (IUI) 和/或试管婴儿.
主要方法:
- 在七个生育中心 (2016-2022) 进行了24,238次新患者访问的回顾性队列研究.
- 分析Univfy®报告使用情况及其与首次IUI和/或IVF转换在180天,360天内以及新患者访问后的"永远"之间的相关性.
- 使用几率比率 (OR) 进行统计分析,以确定报告使用与试管婴儿转换之间的关联.
主要成果:
- 报告使用Univfy®与所有时间段 (180天,360天,Ever) 的更高的直接和总体试管婴儿转化率有显著的关联.
- 总体试管婴儿转换的几率比率在2.78至3.81之间 (p < 0.05),这表明报告使用率大幅增加.
- 在考虑中心特定因素后,使用Univfy®报告的患者中,年龄较大被确定为IVF转换的小独立预测因素.
结论:
- 以患者为中心,基于MLCS的预后报告与新生育患者中IVF利用率的增加有关.
- 这些报告可以促进更明智的治疗决策,并改善咨询.
- 建议进行进一步的研究,以探索影响治疗决策的因素,并利用MLCS报告优化以患者为中心的工作流程.
关键词:
人工智能/MLML在这个过程中,IVF IVF.获得IVF接入试管婴儿转换试管婴儿转换试管婴儿的结果试管婴儿的使用 IVF利用人工智能 (AI) 是一种人工智能.生育能力 生育能力 生育能力 生育能力获得生育能力的机会.活产生的结果.机器学习 (ML) 是指机器学习.预测模型 预测模型预测工具是一个预测工具.更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
09:11Automation of the Micronucleus Assay Using Imaging Flow Cytometry and Artificial Intelligence
Published on: January 27, 2023
2.1K
