使用机器学习对卵巢的定量和定性储备进行评估和预测模型

科学领域:

• 生殖内分泌学 生殖内分泌学
• 生物统计学 生物统计学
• 人工智能在医学中的应用

背景情况:

• 与年龄相关的生育能力下降与卵巢储备 (卵细胞数量和质量) 的减少有关.
• 反米勒尔激素 (AMH) 是卵巢储备量的标记物,但缺乏质量评估工具.
• 准确预测卵巢储备对于孕前护理和精准医学至关重要.

研究的目的:

• 开发一个卵巢储备数量和质量的预测模型.
• 改进现有的评估生育潜力的方法.
• 为了促进预孕咨询和个性化的不孕症治疗.

主要方法:

• 对442名接受辅助生殖技术 (ART) 的患者进行了回顾性分析.
• 在医疗记录和血清数据上使用机器学习开发二进制分类模型.
• 在特征提取后,根据AUC和精度选择表现最佳的模型.

主要成果:

• 一个随机森林模型实现了0.9101的AUC,用于使用医疗记录中的5个特征预测卵巢储备量.
• 一个随机森林模型通过使用医疗记录和血清分析的14个特征来预测卵巢储备质量的AUC达到0.7983.
• 这些模型在预测卵巢储备的数量和质量方面表现出很高的准确性.

结论:

• 与目前用于卵巢储备预测的方法相比,开发的模型提供了更高的准确性.
• 评估可以使用随时可用的医疗采访数据和单个血液样本进行.
• 这些模型可以提高怀孕前护理的可用性,并支持个性化不孕症治疗.