基于机器学习的个性化预测非阻塞性阿佐精子症患者的精子提取在微切割前丸精子提取:一个多中心队列研究
Yu Xi1,2,3,4, Bailing Zhang5,6,7, Yun Zhang8
1State Key Laboratory of Female Fertility Promotion, Center for Reproductive Medicine, Department of Urology, Peking University Third Hospital, Beijing, China.
Andrology
|September 8, 2025
概括
机器学习模型准确地预测非阻塞性亚精子症男性的精子检索成功. 精子寻找器工具使用这些模型来帮助患者做出关于生育治疗的明智决定.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 男人不孕症研究研究
背景情况:
- 非阻塞性亚精是男性不孕症的最严重形式.
- 预测精子回收率是具有挑战性的,因为焦点精子生成.
- 准确的预测对于患者咨询和治疗计划至关重要.
研究的目的:
- 开发和验证用于预测精子检索率的机器学习 (ML) 模型.
- 创建一个可访问的工具,用于在非阻塞性阿佐精子病例中进行手术前评估.
- 为了改善接受微切割的患者的决策,丸精子提取.
主要方法:
- 一项多中心研究涉及2800多名患有非阻塞性亚精子症的男性.
- 使用手术前临床变量对八种ML模型进行培训和验证.
- 使用AUC和准确度等指标评估模型性能.
主要成果:
- 极端梯度提升 (EGB),随机森林和轻梯度提升机表现出卓越的性能.
- EGB获得了最高的平均AUC (0.9183) 并为SpermFinder在线计算器提供了动力.
- 该模型在内部 (AUC=0.8469) 和外部 (AUC=0.8301) 验证队列中显示出强大的预测能力.
结论:
- 使用ML的基于网络的平台可靠地预测非阻塞性亚精的精子检索结果.
- 该预测工具提供了宝贵的手术前见解.
- 预测成功率较低的患者可以对生育治疗选择做出更明智的决定.
