机器学习模型可以在辅助受孕期间预测卵细胞产量吗? :一个系统的审查
Jessica Wilkinson1, Kanishka Gogna1, Meurig Gallagher2
1Department of Metabolism and Systems Science, University of Birmingham, Edgbaston, Birmingham, UK.
Reproductive biomedicine online
|March 4, 2026
概括
使用机器学习预测卵细胞产量有助于个性化生育治疗. 然而,目前的模型在临床使用之前需要进一步验证和透明报告.
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:
- 精确预测卵细胞产量对于优化辅助生殖中淋巴腺素剂量至关重要.
- 对刺激的过度或不充分的反应会带来风险,并可能影响治疗的成功.
- 机器学习 (ML) 模型是新兴的工具,可以帮助预测卵细胞产量.
研究的目的:
- 评估ML模型的准确性和临床准备性,以预测卵细胞产量.
- 评估现有的ML研究中的质量和偏差风险,以预测卵细胞产量.
主要方法:
- 在OVID MEDLINE,EMBASE和Cochrane图书馆进行了系统的文献搜索.
- 包括九项研究 (八项追溯,一项前性),涉及62,354个循环.
- 研究质量和偏差风险使用TRIPOD和PROBAST标准进行评估.
主要成果:
- 报告的准确性各不相同,平均绝对误差在0.62至4.13之间.
- 神经网络模型通常表现出卓越的性能.
- 没有研究报告了外部验证,限制了概括性;显著的异质性排除了元分析.
结论:
- 目前用于卵细胞产量预测的ML模型显示出有希望的内部性能,但存在高偏差风险.
- 数据处理中缺乏透明度和缺乏外部验证,阻碍了可复制性和临床应用.
- 临床医生应谨慎行事;进一步的发展必须优先考虑外部验证和透明的报告,以确保可靠的临床整合.
