Op machine learning gebaseerde, gepersonaliseerde voorspelling van het succespercentage bij het ophalen van sperma

Niet-obstructieve azoöspermie (NOA) is de meest ernstige vorm van mannelijke onvruchtbaarheid. Vanwege de uiteenlopende aard van de focale spermatogenese in de testis bij NOA-patiënten wordt het nauwkeurig beoordelen van de sperma-retrieval rate (SRR) echter een uitdaging. De huidige studie heeft tot doel een niet-invasief evaluatiesysteem te ontwikkelen en te valideren op basis van machinaal leren, dat de SRR voor NOA-patiënten effectief kan schatten. In een onderzoek in één centrum werden NOA-patiënten geïncludeerd die microdissectie testiculaire sperma-extractie (micro-TESE) ondergingen: (1) 2.438 patiënten van januari 2016 tot december 2022, en (2) 174 patiënten van januari 2023 tot mei 2023 (als een extra onderzoek). validatiecohort). De klinische kenmerken van deelnemers werden gebruikt om de machine learning-modellen te trainen, testen en valideren. Verschillende evaluatiestatistieken, waaronder het gebied onder de ROC (AUC), nauwkeurigheid, enz., werden gebruikt om de voorspellende prestaties van acht machine learning-modellen te evalueren.