区分阻塞性和非阻塞性亚子精:基于机器学习的方法

科学领域:

• 生殖医学 生殖医学
• 安德罗学与人类学
• 医疗信息学 医疗信息学

背景情况:

• 不孕不育是全球重要的健康问题,在男性中,阿佐精子症代表了其最严重的形式.
• 在指导适当的治疗策略方面,准确区分阻塞性亚精 (OA) 和非阻塞性亚精 (NOA) 非常重要.
• 这项研究解决了在男性不孕症管理中改善诊断工具的需求.

研究的目的:

• 开发和评估机器学习模型,用于预测亚精子症亚型 (OA与NOA).
• 使用临床,超声波,精液和荷尔蒙分析数据进行亚型预测.
• 为了比较后勤回归,支向量机和随机森林模型的性能.

主要方法:

• 对427名亚精子症患者进行了回顾性分析.
• 数据包括临床因素,荷尔蒙水平,精液参数和丸特征.
• 训练了三个机器学习模型,并评估了它们区分OA和NOA的能力.

主要成果:

• 在OA和NOA组之间观察到身体质量指数,丸尺寸,精液参数和激素水平的显著差异.
• 后勤回归证明了最高的预测性能,由优越的F1得分和曲线下面的面积值证明.
• 该研究包括326例NOA和101例OA病例,患者的中位数年龄为33岁.

结论:

• 机器学习有望使用可访问的临床信息来区分阿佐精子亚型.
• 开发的模型可以帮助诊断和管理男性不孕症.
• 这些预测模型的临床实施需要进一步验证和改进.