人工智能预测模型和微剖析的进步 丸精子提取用于非阻塞性阿佐精子症:系统的范围审查
Hossein Jamalirad1, Mahdie Jajroudi1,2, Bahareh Khajehpour3
1Department of Medical Informatics, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.
Human reproduction open
|January 7, 2025
概括
人工智能 (AI) 模型在预测非阻塞性精子缺血症 (NOA) 患者进行微丸精子提取 (m-TESE) 的精子检索方面表现有希望. 需要进一步的研究来克服更广泛的临床使用的局限性.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 精子采集技术 精子采集技术
背景情况:
- 在接受微丸精子提取 (m-TESE) 的非阻塞性精子缺血症 (NOA) 患者中预测成功的精子提取仍然具有挑战性.
- 之前的研究已经探索了各种临床和荷尔蒙预测因素,但缺乏一致的预测模型.
研究的目的:
- 评估人工智能 (AI) 模型在进行m-TESE的NOA患者中预测精子提取成功的准确性.
- 对基于人工智能的预测模型对m-TESE结果的现有文献进行审查.
主要方法:
- 根据PubMed和Scopus (2013-2024) 中的PRISMA-ScR指南进行了全面的文献搜索.
- 包括的研究使用人工智能模型 (机器学习,深度学习,物流回归) 来根据临床,荷尔蒙,本病理和遗传数据预测m-TESE结果.
- 使用PROBAST和TRIPOD指南评估了偏差风险和报告质量.
主要成果:
- 在427篇选的文章中,包括了45篇,主要使用后勤回归和机器学习.
- 人工智能模型通过整合各种患者数据来预测m-TESE成功的潜力.
- 限制包括小样本大小,异质性,在许多研究中缺乏外部验证.
结论:
- 人工智能预测模型显示,在接受m-TESE的NOA患者中预测精子检索具有显著的希望.
- 目前的局限性,如研究设计的可变性和小样本大小,限制了概括性.
- 未来的研究应该专注于更大的样本大小和前性验证,以提高AI模型的可靠性和临床采用.
