基于基础患者特征的体外受精（IVF）累积妊娠率预测
定量方法
2019-11-12 v1 计算机与社会
机器学习
机器学习
摘要
全球每年有数千万女性遭受不孕困扰。体外受精（IVF）是许多此类患者的最佳选择。然而，IVF 费用高昂、耗时，且对身心均有负担。患者在 IVF 前通常会问的第一个问题是：鉴于其基本体检信息，她怀孕的可能性有多大。本文提出三种方法来预测多个取卵周期后的累积妊娠率。对 11,190 名患者的实验表明，先对患者进行不同分组聚类，再为每组建立支持向量机模型，可获得最佳总体性能。我们的模型可作为一种快速且经济的方法，在患者实际开始 IVF 程序之前，仅依据其基本体检信息可靠估算其累积妊娠率。这些预测可帮助患者就使用自身卵母细胞还是供体卵母细胞、可能需要的取卵周期数、是否使用冷冻胚胎等做出最优决策。它们还将降低患者受孕的成本与时间，并改善其生活质量。
引用
@article{arxiv.1911.03839,
title = {In Vitro Fertilization (IVF) Cumulative Pregnancy Rate Prediction from Basic Patient Characteristics},
author = {Bo Zhang and Yuqi Cui and Meng Wang and Jingjing Li and Lei Jin and Dongrui Wu},
journal= {arXiv preprint arXiv:1911.03839},
year = {2019}
}