基于机器学习——取精成功率的个性化预测

非梗阻性无精症（NOA）是最严重的男性不育症。 然而，由于 NOA 患者睾丸局灶性精子发生的多样性，准确评估精子回收率 (SRR) 变得具有挑战性。 本研究旨在开发并验证基于机器学习的无创评估系统，该系统可以有效估计NOA患者的SRR。 在单中心调查中，纳入了接受显微切割睾丸精子提取（micro-TESE）的 NOA 患者：（1）2016 年 1 月至 2022 年 12 月期间的 2,438 名患者，以及（2）2023 年 1 月至 2023 年 5 月期间的 174 名患者（作为额外的研究对象）验证队列）。 参与者的临床特征用于训练、测试和验证机器学习模型。 使用包括ROC下面积（AUC）、准确性等各种评估指标来评估8个机器学习模型的预测性能。