Прогнозирование успеха экстракции сперматозоидов у пациентов с необструктивной азооспермией

13.05.2021
1059
0

Модели машинного обучения могут заложить основу для системы поддержки принятия решений в отношении успеха TESE у пациентов с НOA. Результаты этого исследования должны быть подтверждены дальнейшими более крупными и перспективными исследованиями.

Бесплодие – это распространенное заболевание, которым страдают 15% всех молодых пар. На мужчин приходится 30-40% случаев бесплодия. Азооспермия встречается у 1% всех мужчин и 10-15% бесплодных мужчин. Ранее пациенты с азооспермией не могли иметь собственных детей. Использование интрацитоплазматической инъекции сперматозоидов в яйцеклетку (ИКСИ) позволило этим пациентам произвести собственное биологическое потомство после извлечения сперматозоидов.

У пациентов с необструктивной азооспермией (НОА) получение сперматозоидов успешно примерно в 50% случаев. Поэтому возможность улучшить прогнозирование успеха тестикулярной экстракции сперматозоидов (TESE) будет иметь большое значение при консультировании пациентов. Однако, на сегодня не существует модели, которая могла бы точно предсказать успех получения сперматозоидов при TESE. Более того, машинное обучение для этой цели никогда не использовалось. Именно поэтому, ученые решили провести ретроспективное когортное исследование 119 пациентов с НОА, перенесших TESE в одном отделении ЭКО. Были использовали одномерные и многомерные модели бинарной логистической регрессии для прогнозирования вероятности успешного TESE с использованием набора данных из ретроспективной когорты. Кроме того, были исследованы различные ансамблевые модели машинного обучения и оценена их прогностическая эффективность с помощью процедуры перекрестной проверки с исключением по одному.

Результаты исследования показали, подход градиентного бустинга (GBT) и модели множественной логистической регрессии (MvLRM) дали чувствительность 91% против 97% соответственно, но подход GBT имеет специфичность 51% по сравнению с 25% для MvLRM. В общей сложности у 78 (65,3%) мужчин с НOA TESE прошла успешно. В эти модели были включены уровни ФСГ, ЛГ, тестостерона, объем спермы, возраст, ИМТ, этническая принадлежность и размер яичек при клинической оценке.

В заключение, на основе клинических и лабораторных параметров, моделей машинного обучения глубокое обучение может заложить основу для системы поддержки принятия решений для клиницистов и пациентов, а также для контроля качества TESE при НOA. Предварительные результаты исследования все еще не близки к тому, что необходимо для консультирования пациентов с НOA и спасения пациентов с неблагоприятным прогнозом от операции. Результаты этого исследования должны быть подтверждены дополнительными более крупными и проспективными исследованиями.

Источник: A. Zeadna et al., “Prediction of sperm extraction in non-obstructive azoospermia patients: A machine-learning perspective,” Hum. Reprod., vol. 35, no. 7, pp. 1505–1514, 2020, doi: 10.1093/humrep/deaa109.
 

Еще материалы

Тематики и теги

Комментарии

Еще материалы
Новости по теме