在卵巢刺激期间模拟卵泡生长,使用基于代理的人工智能

科学领域:

• 生殖内分泌学 生殖内分泌学
• 医疗人工智能 医疗人工智能
• 卵巢生理学 卵巢生理学

背景情况:

• 卵巢刺激在医疗辅助生殖 (MAR) 中至关重要,使用卵泡刺激激素 (FSH) 促进多卵泡生长.
• 关于在生育治疗期间个体卵泡生长率的数据有限.
• 了解这些动态是优化MAR协议的关键.

研究的目的:

• 开发一种基于代理的人工智能 (AI) 模型,以预测MAR周期中卵巢刺激期间的个体卵巢卵泡生长率.
• 为了能够根据早期生长模式预测最终的卵泡大小.

主要方法:

• 一项观察性队列研究,涉及11572名患者,来自11个欧洲辅助受孕诊所 (2005-2023年).
• 预测模型使用了39698个扫描和434082个毛囊从12950个MAR周期.
• 模拟了个体毛囊的每日生长率,以预测刺激结束的大小.

主要成果:

• 平均毛囊生长率为1.35mm/天,与腹毛囊数量和FSH剂量变化显著相关 (p < 0.001).
• 人工智能模型使用第一个扫描预测毛囊大小在2mm以75.0%的准确率,增加到80.1%的两个扫描.
• 模型性能在各诊所一致,随机分割的平均准确率为78.0%,交叉验证的平均准确率为77.1%.

结论:

• 先进的人工智能技术提高了在卵巢刺激期间对卵泡生长动态的理解.
• 开发的模型可靠地预测毛囊大小概况,可能优化监测频率.
• 这种预测能力可以帮助管理MAR的卵巢刺激协议.