在辅助生殖技术中新鲜胚胎移植后,使用机器学习的活产结果的预测模型
Shengnan Wu1, Xinbo Wang2,3, Yuechen Liu3
1Department of Integrated Traditional Chinese Medicine (TCM) & Western Medicine, Shanghai Key Laboratory of Maternal Fetal Medicine, Shanghai Institute of Maternal-Fetal Medicine and Gynecologic Oncology, Clinical and Translational Research Center, Shanghai First Maternity and Infant Hospital, School of Medicine, Tongji University, Shanghai, 201204, China.
机器学习模型可以预测辅助生殖技术 (ARTs) 中的活产结果. 随机森林表现最好,改善了不孕症治疗的临床决策.
科学领域:
- 生殖医学 生殖医学
- 医疗保健中的人工智能
- 生物统计学 生物统计学
背景情况:
- 不孕症影响全球15%的夫妇,辅助生殖技术 (ART) 是主要干预措施.
- 治疗成功率已经稳定在30%左右,需要改进预测模型以获得更好的结果.
- 这项研究的重点是开发一种基于机器学习的预测模型,用于新鲜胚胎移植后的活产.
研究的目的:
- 开发和评估机器学习模型,用于预测新生胚胎移植中活产生的结果.
- 确定影响ART活产率的关键妊娠前特征.
- 为临床医生创建一个工具,以帮助治疗个性化和患者咨询.
主要方法:
- 分析了11728个ART记录 (2016-2023年) 的55个怀孕前的特征.
- 实施和比较六种机器学习模型:随机森林 (RF),XGBoost,GBM,AdaBoost,LightGBM和ANN.
- 使用曲线下的面积 (AUC) 验证模型性能.
主要成果:
- 随机森林 (RF) 获得了最高的预测性能,AUC> 0.8.8.
- 发现的关键预测因素包括女性年龄,胚胎等级,可使用胚胎数量和子宫内膜厚度.
- 开发了一个基于网络的工具,用于临床预测和治疗个性化.
结论:
- 机器学习模型在胚胎移植之前显著提升了对活产生的预测结果的预测.
- 该研究强调了人工智能的潜力,以加强临床决策和ART患者咨询.
- 这种方法超越了传统的评估,为不孕症治疗提供了更个性化的策略.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
05:13Author Spotlight: Advancing Therapeutic Strategies for Improving Pregnancy Rates by Analyzing Embryo-Endometrium Interactions
Published on: June 21, 2024
