职业暴露对男性生育力影响的机器学习预测模型构建与关键风险因素解析

本研究针对工业环境中多重职业暴露（电磁场、全身振动、噪声及热应激）对男性生殖健康的复合影响，采用XGBoost、随机森林等5种机器学习模型，首次系统揭示磁场暴露（0.339 SHAP值）与年龄（4.1% MSE增量）为游离睾酮下降的核心驱动因素，AUC达0.99的预测模型为职业健康防护提供精准干预靶点。

　　

全球男性生殖健康危机正悄然升级——过去40年间精子数量和活力骤降50%，而工业环境中的职业暴露被认为是重要推手。在汽车零部件铸造厂，工人们长期暴露于极低频电磁场（ELF，3-300 Hz）、30 kV/m强电场、机械振动和高温等多重危害中，这些因素如何协同破坏睾酮合成和精子发生？传统线性回归难以破解这种复杂交互作用，亟需更智能的分析工具。

为此，德黑兰医科大学与沙希德·贝赫什提医科大学联合团队在《Reproductive Toxicology》发表突破性研究，首次将可解释人工智能（XAI）引入职业医学领域。研究人员对80名20-50岁男性工人进行多维度数据采集，包括磁场（μT）、电场（kV/m）、湿球温度（WBGT）等环境参数，结合精子形态学、促卵泡激素（FSH）、黄体生成素（LH）等23项生殖指标，通过5种机器学习模型构建预测体系。关键技术包括：SHAP值驱动的特征重要性排序、5折交叉验证的模型优化，以及基于随机森林的10年健康风险预测。

研究结果

关键暴露因素识别
XGBoost模型显示，磁场暴露（0.339 SHAP值）对游离睾酮的负面影响超过热应激（0.138）2.5倍，电场暴露（5% MSE增量）与年龄（4.1%）构成三大核心风险源。值得注意的是，当磁场>2000 μT联合电场>15 kV/m时，精子畸形率呈现指数级增长。

人口学因素交互作用
45岁以上工人暴露于0.6 μT磁场时，其睾酮水平相当于25岁工人的54%，揭示年龄与电磁暴露存在显著协同效应（P<0.001）。吸烟者氧化应激标志物丙二醛（MDA）水平较非吸烟者高37%，显著放大电磁场的生殖毒性。

最优预测模型构建
随机森林在预测精子活力下降时展现卓越性能（AUC 0.99），其特征重要性排序首次量化显示：电场暴露（5%）＞磁场暴露（4.7%）＞年龄（4.1%）＞WBGT（3.2%），这一发现颠覆了传统认为热应激为主导因素的观点。

讨论与展望
该研究通过机器学习解构了职业暴露的"黑箱"效应：①电磁场通过破坏莱迪格细胞（Leydig cells）对LH的响应，干扰睾酮合成通路；②全身振动（WBV）诱发氧化应激，导致精子DNA碎片率升高；③噪声通过下丘脑-垂体-睾丸轴（HPT轴）间接影响FSH分泌。研究建议对电力行业工人实施μT级实时磁场监测，并为高龄工人定制防护方案。

这项研究不仅为修订职业暴露限值提供数据支撑，更开创了用可解释AI预测长期生殖风险的先河。正如作者Somayeh Farhang Dehghan强调："我们建立的预测模型能提前10年预警生育力下降，使预防干预窗口大幅前移。"该成果对制造业密集的发展中国家具有特殊意义，其方法论框架可扩展至女性生殖健康评估等领域。