机器学习算法结合获能精子细胞内pH预测正常精液患者常规IVF成功
该研究对76例接受常规体外受精(IVF)的正常精液男性患者进行精子体外获能,用流式细胞术检测精子细胞内pH(pHi),并用计算机辅助精液分析检测超激活运动。基于58例患者的临床数据、精子pHi和膜电位训练梯度提升机器学习算法,以预测常规IVF成功(受精率>0.66),并在18例独立数据集中验证。结果显示精子pHi与超激活运动及常规IVF受精率正相关,算法预测成功常规IVF的平均准确度0.72、AUC 0.81、灵敏度0.65、特异度0.80。
要点
- 正常精液患者精子pHi与超激活运动及常规IVF受精率正相关。
- 机器学习算法结合临床参数和获能标志物可预测常规IVF成功。
- 算法在验证集中平均准确度0.72,AUC 0.81,灵敏度0.65,特异度0.80。
核心结论
- 正常精液患者精子pHi与常规IVF受精结局相关,机器学习算法可较准确预测常规IVF成功。
研究设计与样本
- 研究纳入76例接受IVF的正常精液男性患者,精子体外获能后检测pHi和超激活运动。
- 梯度提升机器学习算法基于58例患者的临床数据、精子pHi和膜电位训练,并在18例独立数据集验证。
主要发现
- 精子pHi与超激活运动及常规IVF受精率正相关(n=76),但与卵胞浆内单精子注射(ICSI)受精率不相关(n=38)。
- 在测试集(n=58)的受试者工作特征曲线分析中,算法预测成功常规IVF的平均准确度0.72(n=18)、平均AUC 0.81、平均灵敏度0.65、平均特异度0.80。
关键数值与推荐
- 成功常规IVF定义为受精率(双原核受精卵数/成熟卵母细胞数)大于0.66。
临床怎么用
- 对于正常精液接受常规IVF的患者,可考虑结合精子pHi和获能标志物的机器学习算法辅助预测受精成功。
以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。
原文
OBJECTIVE: To measure human sperm intracellular pH (pHi) and develop a machine-learning algorithm to predict successful conventional in vitro fertilization (IVF) in normospermic patients. DESIGN: Spermatozoa from 76 IVF patients were capacitated in vitro. Flow cytometry was used to measure sperm pHi, and computer-assisted semen analysis was used to measure hyperactivated motility. A gradient-boosted machine-learning algorithm was trained on clinical data and sperm pHi and membrane potential from 58 patients to predict successful conventional IVF, defined as a fertilization ratio (number of fertilized oocytes [2 pronuclei]/number of mature oocytes) greater than 0.66. The algorithm was validated on an independent set of data from 18 patients. SETTING: Academic medical center. PATIENT(S): Normospermic men undergoing IVF. Patients were excluded if they used frozen sperm, had known male factor infertility, or used intracytoplasmic sperm injection only. INTERVENTION(S): None. MAIN OUTCOME MEASURE(S): Successful conventional IVF. RESULT(S): Sperm pHi positively correlated with hyperactivated motility and with conventional IVF ratio (n = 76) but not with intracytoplasmic sperm injection fertilization ratio (n = 38). In receiver operating curve analysis of data from the test set (n = 58), the machine-learning algorithm predicted successful conventional IVF with a mean accuracy of 0.72 (n = 18), a mean area under the curve of 0.81, a mean sensitivity of 0.65, and a mean specificity of 0.80. CONCLUSION(S): Sperm pHi correlates with conventional fertilization outcomes in normospermic patients undergoing IVF. A machine-learning algorithm can use clinical parameters and markers of capacitation to accurately predict successful fertilization in normospermic men undergoing conventional IVF. OBJETIVO:: Medir el pH intracelular del esperma humano (pHi) y desarrollar un algoritmo de aprendizaje automático para predecir el éxito de la fertilización in vitro (IVF) convencional en pacientes normospérmicos. DISENÕ:: Se capacitaron in vitro los espermatozoides de 76 pacientes. Se utilizó la citometría de flujo para medir el pHi seminal, y se midío la motilidad hiperactivada mediante análisis seminal asistido por computadora. Se entrenó un algoritmo de aprendizaje automá tico impulsado por gradientes basado en datos clínicos y pHi espermá tico y potencial de membrana de 58 pacientes para predecir la IVF convencional exitosa, definida como tasa de fecundacíon (número de ovocitos fecundados [2 pronúcleos]/número de ovocitos maduros) mayor de 0.66. El algoritmo fue validado para un conjunto de datos independiente de 18 pacientes. UBICACÍON:: Centro médico académico. PACIENTE(S):: Hombres normospérmicos que realizaron IVF. Fueron excluidos los pacientes que utilizaban semen congelado, tenían fac- tor masculino conocido o sólo realizaron inyeccíon intracitoplasmática de espermatozoides. INTERVENCÍON(ES):: Ninguna PRINCIPALES MEDIDAS DE RESULTADO:: IVF convencional exitosa. RESULTADO(S):: El pHi seminal se correlacionó positivamente con la motilidad hiperactivada y con la tasa de IVF convencional (n=76) pero no con la tasa de fertilizacíon intracitoplasmática (n=58). En el análisis de la curva de funcionamiento del receptor de los datos del equipo de prueba (n = 58), el algoritmo de aprendizaje automático predijo una IVF convencional exitosa con una precisíon media de 0,72 (n = 18), un área media debajo de la curva de 0,81, una sensibilidad media de 0,65 y una especificidad media de 0,80. CONCLUSÍON(ES):: El pHi seminal se correlaciona con los resultados de la IVF convencional en pacientes normospérmicos que realizan IVF. Un algoritmo de aprendizaje automático puede usar parámetros clínicos y marcadores de capacitación para predecir con precisión la fecundación exitosa en hombres normospérmicos sometidos a FIV convencional.
引用
- Gunderson SJ, Puga Molina LC, Spies N, et al. Machine-learning algorithm incorporating capacitated sperm intracellular pH predicts conventional in vitro fertilization success in normospermic patients. Fertil Steril. 2021. PMID: 33461755. doi:10.1016/j.fertnstert.2020.10.038
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。