ILETIA：基于AI的个体化触发-卵子采集间隔估计方法，用于孕激过桥方案
定量方法
2025-01-29 v1 机器学习
摘要
体外受精-胚胎移植（IVF-ET）是不孕的主要治疗方式之一。在IVF-ET周期中，触发注射与卵子采集（OPU）之间的时间间隔是卵胞成熟的关键时段，决定着成熟卵子产量并影响后续程序的成功率。然而，由于临床医生经验差异，准确预测该间隔严重受限，常导致卵子召回率次优。为解决这一挑战，我们提出ILETIA，首个基于机器学习的方法可预测接受孕激过桥（PPOS）方案患者的最佳触发-OPU间隔。具体而言，ILETIA利用Transformer学习来自临床表格数据的表示，然后采用梯度提升树进行间隔预测。为进行模型训练和评估，我们构建了近十千例接受PPOS方案的患者数据集（PPOS-DS），据称是已知中最大的数据集。实验结果表明，我们的方法表现优异（AUROC=0.889），超越了临床医生和其他常用计算模型。此外，ILETIA还支持特定OPU时间的早发症风险预测（AUROC=0.838）。总体而言，ILETIA通过实现更精确和个体化的决策，可能提高临床结果，为未来IVF-ET研究奠定基础。
引用
@article{arxiv.2501.16386,
title = {ILETIA: An AI-enhanced method for individualized trigger-oocyte pickup interval estimation of progestin-primed ovarian stimulation protocol},
author = {Binjian Wu and Qian Li and Zhe Kuang and Hongyuan Gao and Xinyi Liu and Haiyan Guo and Qiuju Chen and Xinyi Liu and Yangruizhe Jiang and Yuqi Zhang and Jinyin Zha and Mingyu Li and Qiuhan Ren and Sishuo Feng and Haicang Zhang and Xuefeng Lu and Jian Zhang},
journal= {arXiv preprint arXiv:2501.16386},
year = {2025}
}