在最小的卵巢刺激中优化触发时间用于体外受精,使用机器学习模型随机搜索超参数调整.
Nayeli Areli Pérez-Padilla1, Rodolfo Garcia-Sanchez2, Omar Avalos1
1Departamento de Electrónica, Universidad de Guadalajara, CUCEI, Guadalajara, Jal, Mexico.
Computers in biology and medicine
|July 25, 2024
概括
在体外受精 (IVF) 中,优化触发器时间至关重要. 人工智能模型可以预测结果,在最小的刺激周期中,潜在地将可用的胚胎细胞产量增加46%.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 生物统计学 生物统计学
背景情况:
- 在体外受精 (IVF) 中,最佳的触发时间 (TT) 对卵细胞成熟和释放至关重要.
- 由于多种变量,确定精确的TT是具有挑战性的,影响了试管婴儿成功率,特别是在最小的卵巢刺激协议中.
研究的目的:
- 开发一种机器学习的多输出模型,用于预测试管婴儿的结果 (获取的卵子,成熟的卵子,受精的卵子,可用的母细胞).
- 通过识别在最小刺激周期中潜在的低于最佳时间的患者来增强触发射时间 (TT).
主要方法:
- 机器学习多输出预测模型的开发.
- 使用该模型分析在最小的卵巢刺激周期中触发射的时间.
- 对模型的准确性和性能进行统计验证.
主要成果:
- 大约有27%的治疗方法使用了次优的触发剂.
- 通过人工智能模型优化TT显示,可用的胚胎细胞生产的潜在增加为46%.
- 该模型准确地预测了试管婴儿在触发射后48小时窗口内的IVF结果.
结论:
- 人工智能驱动的预测模型可以作为优化试管婴儿中触发器时间的宝贵工具.
- 通过人工智能增强TT可以提高试管婴儿的成功率,特别是在最小的卵巢刺激中.
- 开发的AI模型有助于使试管婴儿过程更安全,更有效.


