编辑推荐：
为解决 IVF 患者咨询和费用 - 成功率透明度问题，研究人员开展对比机器学习中心特异性（MLCS）模型和美国生殖医学协会（SART）模型预测 IVF 活产率的研究。结果显示 MLCS 模型在多项指标上表现更优，这有助于个性化预后咨询和提升费用 - 成功率透明度。
不孕不育已被世界卫生组织认定为一种医学疾病和全球健康问题，据估计全球有超过 1 亿女性或夫妇受到影响，仅美国就有超 1000 万人。体外受精（In Vitro Fertilization，IVF）技术虽已证实安全有效，但患者接受 IVF 治疗却面临诸多阻碍。一方面，高昂的费用和不确定的活产结果让许多患者望而却步；另一方面，患者对 IVF 治疗的潜在益处和局限性缺乏清晰了解，这也影响了他们的决策。在这样的背景下，如何更精准地预测 IVF 活产率，为患者提供更可靠的预后咨询，成为了生殖医学领域亟待解决的问题。
为了攻克这些难题，来自美国多家机构的研究人员，包括 Univfy 公司研发部门、圣安东尼奥生育中心等，开展了一项极具意义的研究。他们聚焦于两种 IVF 活产预测模型：机器学习中心特异性（Machine Learning Center-Specific，MLCS）模型和美国生殖医学协会（Society for Assisted Reproductive Technology，SART）基于多中心和美国国家注册数据构建的模型。研究旨在比较这两种模型在预测 IVF 活产率方面的性能差异，进而为临床实践提供更科学的依据。最终研究成果发表在《Nature Communications》上。
在研究过程中，研究人员采用了多种关键技术方法。他们收集了 6 个中心 4635 名患者首次 IVF 周期的数据，这些数据来自各中心的电子病历和 SART 临床结果报告系统（SART CORS）。利用这些数据，研究人员运用 k 折交叉验证（k-fold cross validation）评估模型性能，通过计算受试者工作特征曲线下面积（Area Under the Curve of Receiver Operating Characteristic，ROC-AUC）、后验对数优势比（Posterior Log of Odds Ratio，PLORA）、Brier 分数等指标，对比分析 MLCS 模型和 SART 模型的预测能力 。
下面来看具体的研究结果：
- 模型交叉验证和外部验证：研究中 6 个中心均参与创建了初始的 MLCS1 模型和更新后的 MLCS2 模型。通过交叉验证和外部验证（使用同期临床使用的时间外测试集进行验证，即 Live Model Validation，LMV），评估模型性能。结果显示，MLCS 模型在 ROC-AUC 指标上优于相应的年龄模型，表明其在区分能力上更具优势；同时，MLCS1 和 MLCS2 模型的 PLORA 值均为正，说明它们比年龄模型更能准确预测活产概率。此外，更新后的 MLCS2 模型虽在 ROC-AUC 上与 MLCS1 模型相似，但 PLORA 值显著提高，意味着模型更新提升了预测能力。
- 外部验证或实时模型验证 MLCS1 模型：对 MLCS1 模型进行 LMV 验证，比较其内部交叉验证测试数据和 LMV 测试数据的 ROC-AUC 和 PLORA 值，结果显示两者无显著差异，这表明 MLCS1 模型在临床使用期间是适用的，不存在概念漂移问题。进一步对临床数据漂移的评估发现，虽然部分临床变量的统计分布存在差异，但这些差异并未影响 MLCS 模型的临床实用性。
- 比较 MLCS2 和 SART 模型：使用修改后的中心特异性从头模型验证测试集 DNMV1 和 DNMV2 评估 MLCS2 和 SART 模型。结果显示，MLCS2 模型在 Brier 分数上表现更优，校准效果更好；在 F1 分数和 Precision-Recall（PR）AUC 指标上，MLCS2 模型也显著高于 SART 模型，表明其在预测活产结果、减少假阳性和假阴性方面表现更出色。通过创建 4×4 重新分类表发现，30% 的患者在 MLCS2 和 SART 模型中的活产预测存在差异，MLCS2 模型能更准确地将患者分类到合适的预后类别，例如将更多患者合理分配到 LBP≥50% 和 LBP≥75% 的类别中 。
研究结论和讨论部分指出，MLCS 模型在预测 IVF 活产率方面表现优于 SART 模型，这一结果对临床实践具有重要意义。在临床咨询中，更精准的预测模型可以为患者提供更透明、个性化的 IVF 预后咨询，帮助患者更好地了解治疗的潜在风险和收益，从而做出更明智的决策。同时，这也有助于实现基于价值的 IVF 定价，通过合理分层风险，减轻患者的经济负担，扩大 IVF 治疗的可及性。此外，MLCS 模型的应用还可以提高临床操作的效率，优化临床工作流程。
然而，该研究也存在一定局限性。研究仅涉及美国 6 个生育中心，样本量相对较小，且未证明模型设计差异与性能差异之间的因果关系。此外，研究未对不同机器学习技术进行比较，也未探讨深度学习等新兴技术在 IVF 活产预测中的应用。尽管如此，该研究为后续研究指明了方向，未来可在更多中心开展研究，进一步验证 MLCS 模型的性能，并探索如何更好地将其应用于临床实践，推动生殖医学的发展，帮助更多不孕不育患者实现生育梦想。
