基于深度学习与基于世界卫生组织标准方法用于精子形态评估的比较评价

精子形态质量评估仍是男性生育力评价中一个关键但主观的组成部分，常受限于观察者间差异和资源约束。本研究提出了一个比较生物医学人工智能框架，评估一个基于图像的深度学习模型（HuSHeM）与一个源自世界卫生组织标准并辅以全身炎症反应指数（WHO(+SIRI)）的临床基准。HuSHeM 模型在高分辨率精子形态图像上训练，并使用一个独立的临床队列进行评估。模型性能通过区分度、校准度和临床效用分析进行评估。HuSHeM 模型展现了更高的区分性能，表现为与 WHO(+SIRI) 相比，其受试者工作特征曲线下面积增加，且置信区间相对较窄。精确率-召回率分析进一步表明，在类别不平衡情况下，其性能有所提升，在评估的阈值范围内具有更高的精确率-召回率曲线下面积值。校准分析表明，HuSHeM 的预测概率与观察结果之间的一致性更接近，而决策曲线分析则提示，在临床相关的阈值概率范围内，其净临床获益更大。这些发现表明，与传统的基于规则和炎症增强的标准相比，基于图像的深度学习可能提供更高的预测可靠性和临床效用。所提出的框架支持对精子形态进行客观且可重复的评估，并可作为生育筛查和转诊工作流程中的决策支持工具。所提出的模型旨在作为决策支持或转诊工具，并非设计用于取代临床判断或实验室评估。