Giới thiệu
Tỷ lệ vô sinh ngày càng tăng trên toàn cầu, và điều trị IVF đã trở nên phổ biến. Tuy nhiên, tỷ lệ thai kỳ lâm sàng vẫn còn hạn chế. Khả năng dự đoán chính xác sự phát triển phôi nang là yếu tố quan trọng để cải thiện tỷ lệ thành công của IVF. Nghiên cứu này nhằm phát triển và đánh giá mô hình ML XGBoost để dự đoán khả năng tạo thành phôi nang dựa trên các thông số hình thái và động thái vào ngày 2 của phôi, đồng thời xác định các yếu tố dự đoán quan trọng nhất.
Tóm tắt
Nghiên cứu hồi cứu đã phân tích dữ liệu hình thái và động thái của 1.910 phôi từ 232 cặp vợ chồng đã trải qua ICSI. Mô hình XGBoost được huấn luyện và đánh giá, đạt độ chính xác 71% và AUC là 0.77. Các yếu tố dự đoán quan trọng bao gồm thời gian chu kỳ tế bào thứ hai (cc2), thời gian phân chia thành hai tế bào (t2), số lượng bào thai, tỷ lệ mảnh vỡ và tuổi mẹ. Kết quả này cho thấy tiềm năng của các mô hình ML trong việc thay đổi lựa chọn phôi trong hỗ trợ sinh sản.
- Đăng nhập để gửi ý kiến
