基于机器学习的多囊卵巢综合征患者新鲜胚胎移植活产预测模型构建与评价

编辑推荐：针对多囊卵巢综合征(PCOS)患者新鲜胚胎移植活产率预测难题，福建省妇幼保健院团队通过7种机器学习算法(包括XGBoost、RF等)分析1,062个治疗周期数据，构建预测模型。XGBoost模型表现最优(AUC=0.822)，揭示胚胎移植数量、类型及血清睾酮(T)、孕酮(P)水平等7个关键预测因子，为临床个性化干预提供新工具。

　　

多囊卵巢综合征(PCOS)作为育龄女性常见的内分泌代谢疾病，不仅导致排卵障碍和不孕，还伴随流产率升高、妊娠并发症风险增加等生殖健康问题。尽管体外受精-胚胎移植(IVF-ET)技术为PCOS患者带来生育希望，但传统统计方法难以精准预测治疗结局。随着代谢调控和低剂量促性腺激素(Gn)方案的应用，越来越多PCOS患者获得新鲜胚胎移植机会，然而目前缺乏针对该人群的活产率预测工具。既往研究多聚焦冻融胚胎周期，且机器学习(ML)在该领域的应用仍属空白。

福建省妇幼保健院生殖医学中心团队在《Journal of Ovarian Research》发表研究，首次采用7种ML算法构建PCOS患者新鲜胚胎移植活产预测模型。研究纳入2019-2023年1,062个拮抗剂方案新鲜胚胎移植周期，通过LASSO回归和递归特征消除(RFE)筛选预测因子，采用网格搜索优化XGBoost、随机森林(RF)等模型参数，最终通过SHAP值解析关键特征贡献度。

关键技术方法包括：1) 回顾性收集466例活产与596例对照患者的临床数据；2) 采用5折交叉验证和网格搜索优化7种ML模型；3) 通过AUC、Brier评分等指标评估模型性能；4) 应用SHAP框架解释最优模型的特征重要性。

患者特征分析

比较显示活产组患者年龄更轻(30 vs 32岁，P<0.001)、BMI<28比例更高(90.9% vs 79.42%)、不孕年限<3年者更多(54.55% vs 39.23%)。实验室指标中，活产组血清睾酮(T)水平(0.40 vs 0.41 ng/mL)和人绒毛膜促性腺激素(hCG)日孕酮(P)水平(0.6 vs 0.69 ng/mL)显著更低(P<0.05)。胚胎参数显示，活产组优质卵裂期胚胎数更多(5 vs 5个，P=0.014)，囊胚移植比例显著更高(25.76% vs 3.15%)。

预测因子筛选

LASSO回归与RFE共同确定7个核心特征：胚胎移植数量、囊胚移植、母亲年龄、不孕年限≥3年、BMI≥28、血清T水平及hCG日P水平。其中囊胚移植的SHAP值贡献度最高，较卵裂期胚胎显著提升活产概率。

模型性能比较

XGBoost在验证集表现最优，AUC达0.822(95%CI:0.777-0.867)，准确率75.2%，敏感性77.2%。其他模型中RF的AUC为0.794，而支持向量机(SVM)表现最差(AUC=0.806但准确率仅26.6%)。校准曲线显示XGBoost预测概率与实际观测值高度吻合。

临床意义解析

SHAP分析揭示：1) 高龄(>35岁)使活产概率降低，反映卵母细胞质量下降；2) BMI≥28与活产负相关，支持体重管理的重要性；3) hCG日P水平>0.98 ng/mL可能损害子宫内膜容受性；4) 双胚胎移植虽提高成功率，但需权衡多胎妊娠风险。值得注意的是，卵巢储备指标AMH和窦卵泡计数(AFC)未显示预测价值。

该研究突破性地将ML应用于PCOS新鲜胚胎移植预后评估，XGBoost模型较传统逻辑回归更能捕捉变量间复杂非线性关系。临床应用中，该模型可早期识别高风险患者，指导囊胚培养策略制定、黄体支持方案优化等个性化干预。未来需通过多中心数据验证模型泛化能力，并整合糖代谢参数提升预测精度。研究成果为改善PCOS患者生殖结局提供了数据驱动的决策工具，推动辅助生殖技术向精准医疗迈进。