使用机器学习技术开发一个名录模型,用于预测非阻塞性精子缺血症
Hong Xiao1, Yi-Lang Ding1, Chao Wang1
1Department of Andrology and Sexual Medicine, First Affiliated Hospital of Fujian Medical University, Fuzhou, 350005, China.
Scientific reports
|February 14, 2025
概括
一个新的诺莫格拉姆模型使用卵泡刺激激素 (FSH),抑制素B (INHB),平均丸体积 (MTV) 和精液pH,准确预测非阻塞性精症 (NOA). 这种工具有助于个性化阿佐精子症诊断和管理.
科学领域:
- 生殖医学 生殖医学
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 安德罗学与人类学
背景情况:
- 精子缺失,也就是精子缺失,被归类为阻塞性 (OA) 或非阻塞性 (NOA).
- 准确预测NOA对于有效的临床管理和患者咨询至关重要.
- 基于生物标志物的预测模型可以提高亚精子患者的诊断准确性.
研究的目的:
- 开发和验证使用临床和生化标志物对非阻塞性精 (NOA) 的预测模型.
- 通过逻辑回归和机器学习分析来确定NOA的关键预测因素.
- 评估用于NOA预测的新型名谱的临床实用性和准确性.
主要方法:
- 后勤回归和9个机器学习算法用于预测器识别和模型开发.
- 352名亚精子症患者 (152名OA,200名NOA) 的数据集被分为培训和验证数据集.
- 使用已识别的预测因素构建了一个名录模型,并使用ROC曲线,校准图和决策曲线分析进行验证.
主要成果:
- 卵泡刺激激素 (FSH) 和精液pH被确定为NOA的积极预测因素.
- 平均丸体积 (MTV) 和B抑制素 (INHB) 与NOA负相关.
- 开发的诺莫格拉姆模型显示出高预测性能 (AUC 0.984培训,0.976验证) 和临床实用性.
结论:
- 一种包含FSH,INHB,MTV和精液pH的新型名录有效预测NOA.
- 该模型为诊断和管理亚精子症提供了有价值的个性化工具.
- 这些发现支持使用综合生物标志物分析,以改善精症的临床决策.
