使用人工网络进行辅助生殖治疗的预测结果 (FORTUNE分类系统):在接受试管婴儿治疗的患者中预测欧囊产量的新预测模型

科学领域:

• 生殖医学和内分泌学
• 遗传学和基因组学
• 生物统计学和预测模型

背景情况:

• 欧卵泡产量对于试管婴儿的成功至关重要,受女性年龄,卵巢储备,伴侣年龄和BMI的影响.
• 目前的患者分类方法是基本的,无法捕捉影响euploid产量的复杂相互作用.
• 需要采用系统方法对患者进行细分分类,以改善试管婴儿治疗规划和咨询.

研究的目的:

• 开发和验证预测模型,将试管婴儿患者分为不同的预后组,根据预期的欧卵泡产量.
• 让患者在试管婴儿治疗的结果上得到更客观和个性化的咨询.

主要方法:

• 对10774个试管婴儿周期 (2020-2023) 的回顾性分析和使用2089个周期 (2024) 的验证.
• 包括女性年龄,伴侣年龄,AMH,毛囊数量和BMI的综合增值模型.
• 通过校准图表和区分指标 (AUC) 评估模型性能;时间验证证实了预测准确性.

主要成果:

• 模型在预测欧囊产量方面取得了高分辨率 (AUC 0. 834- 0. 861).
• 确定了五个不同的预后组,预测的欧卵胞产量从<1% (非常差) 到~95% (非常好).
• 时间验证证明了该模型在预测预后组中的euploid率的准确性.

结论:

• 开发的分类系统为试管婴儿患者提供客观,个性化的咨询.
• 能够更明智地决定治疗选择和刺激周期的数量.
• 该模型可通过在线和iOS应用程序进行临床使用和进一步验证.