影响生化妊娠丧失 (BPL) 的因素在植入前遗传测试中用于积体 (PGT-A) 周期:机器学习辅助识别

科学领域:

• 生殖医学 生殖医学
• 遗传学 是一个遗传学.
• 在医疗保健中的数据科学.

背景情况:

• 胚胎在植入前进行形积分病遗传检测 (PGT-A) 检查胚胎是否有染色体异常.
• 生化妊娠损失 (BPL) 仍然是一个重要的担忧后euploid胚胎移植.
• 需要预测模型来确定影响PGT-A后BPL的因素.

研究的目的:

• 在PGT-A周期中确定预测生化妊娠丧失 (BPL) 后欧胚胎移植的关键因素.
• 开发和验证用于BPL预测的机器学习模型.

主要方法:

• 从2879个PGT-A周期中对1161个单个幼胚胎移植进行了回顾性队列研究.
• 使用机器学习算法分析47个预测变量,包括随机森林.
• 使用AUC,精度和预测值对模型性能进行评估.

主要成果:

• 随机森林模型证明了BPL的高预测准确度 (AUC 0.913,准确度为0.830).
• 胚胎活检参数 (活检日,活检胚胎/细胞数量) 是最强的预测因素.
• 卵巢刺激因素 (取卵细胞,刺激持续时间),母亲和父亲的年龄也发挥了重要作用.

结论:

• 机器学习,特别是随机森林,有效地预测PGT-A周期中的BPL.
• 胚胎活检特征是BPL风险的关键决定因素.
• 这些发现可以完善患者咨询,改善辅助生殖技术的结果.