使用机器学习模型推导和验证了第一个基于网络的名录,以预测生殖手术后的自发怀孕,并使用机器学习模型进行验证
Zhenteng Liu1,2, Meimei Wang1, Shunzhi He1
1Department of Reproductive Medicine, Yantai Yuhuangding Hospital Affiliated to Qingdao University, Yantai, Shandong, China.
Frontiers in endocrinology
|July 17, 2024
概括
这项研究开发了一种新的诺米图,用于预测生殖手术后的自然受孕. 该工具有助于临床医生和夫妇对生育治疗做出明智的决定,改善不孕症护理.
科学领域:
- 生殖医学 生殖医学
- 医疗信息学 医疗信息学
- 临床预测建模临床预测建模
背景情况:
- 不孕症影响着全球大量人口,生殖器官手术为女性提供了关键的治疗策略.
- 预测后生殖手术后的自发怀孕对于患者管理至关重要,但缺乏高质量的预测工具.
研究的目的:
- 开发和验证一个临床模型来预测生殖手术后自然受孕的概率.
- 为临床医生和患者创建一个可访问的工具,以帮助他们就后续的生育治疗做出决定.
主要方法:
- 利用后勤回归和LASSO算法从1013名接受生殖手术的患者中识别预测因素.
- 将多个机器学习算法进行比较,选择基于AUC的物流回归作为最佳模型.
- 使用内部和外部数据集验证模型,包括基于Web的名录.
主要成果:
- 确定了六个关键预测因素:女性年龄,不育类型,持续时间,手术内诊断,排卵监测和抗穆勒尔激素 (AMH) 水平.
- 后勤回归模型实现了高预测准确度,AUC为0.870 (内部) 和0.880 (外部).
- 开发的诺米图表表现出了出色的校准,临床实用性和概括能力.
结论:
- 首个基于网络的名录图准确地预测了生殖手术后的自然受孕概率.
- 这个工具使临床医生和不育夫妇能够在自然受孕和体外受精 (IVF) 之间做出明智的选择.
- 该名录通过为不孕症治疗策略提供早期和精确的指导来增强临床实践.
