一种深度学习方法,以了解受控卵巢刺激和体外受精动态

科学领域:

• 生殖内分泌学和不孕症研究.
• 人工智能在医疗保健中的应用.

背景情况:

• 在全球范围内,不孕症影响着六分之一的人,这给生殖自主性和医疗保健提供者带来了挑战.
• 当前的人工智能 (AI) 方法难以准确预测体外受精 (IVF) 周期中的关键指标,例如在受控卵巢刺激 (COS) 期间的药物剂量和卵巢反应.

研究的目的:

• 开发一个先进的AI模型,以更好地预测试管婴儿周期的结果.
• 通过准确预测荷尔蒙配置文件和卵巢反应,增强受控卵巢刺激 (COS) 的管理.

主要方法:

• 开发"爱德华兹",一个使用变压器-编码器架构的深度学习模型.
• 该模型捕捉了顺序IVF数据中的时间特征,包括当前和历史的患者信息.
• 在试管婴儿过程的任何阶段预测激素特征,卵巢反应和治疗计划选择.

主要成果:

• 与传统的机器学习方法相比,爱德华兹在预测最终试管婴儿结果方面表现出更好的准确性.
• 该模型有效地捕捉了与IVF中的COS相关的复杂内分泌机制.
• 提供COS期间中间反应的准确预测,帮助调整治疗.

结论:

• "爱德华兹"深度学习模型在人工智能辅助生育护理方面取得了重大进展.
• 准确预测COS参数和最终结果可以优化试管婴儿治疗策略.
• 这项技术有可能改善全球生育诊所的患者护理和资源管理.