基于多维临床指标的c-IVF受精失败预测模型构建与临床应用价值分析

本研究针对常规体外受精(c-IVF)周期中20%低受精率(LFR)和5-15%完全受精失败(TFF)的临床难题，温州人民医院团队通过691个周期回顾性分析，构建了整合精子DNA碎片指数(DFI)、总前向运动精子数(TPMC)等参数的机器学习预测模型。Logistic回归模型表现最优(AUC=0.734)，揭示男性年龄(OR=0.642)和TPMC(OR=0.428)为保护因素，女性BMI(OR=1.268)和DFI(OR=1.362)为风险因素，为临床早期干预提供量化工具。

　　

在辅助生殖技术(ART)领域，常规体外受精(c-IVF)作为最广泛应用的技术，却始终面临着一个棘手的难题：尽管60-80%的周期能成功受精，仍有20%出现低受精率(LFR)，5-15%发生完全受精失败(TFF)。这种"受精黑箱"现象不仅导致患者承受额外的心理压力和经济负担，更造成宝贵的卵子资源浪费。传统解决方案如短时受精后补救性卵胞浆内单精子注射(ICSI)虽能部分挽回损失，但如何提前识别高风险患者、避免盲目选择受精方案，成为临床亟待解决的精准医学问题。

温州人民医院生殖医学中心团队针对这一挑战，开展了一项创新性研究。通过分析2019-2024年间691个ART周期数据（594例c-IVF，97例补救ICSI），研究人员构建了首个整合精子功能参数与代谢指标的多维预测模型。这项发表在《Journal of Ovarian Research》的研究，为临床决策提供了量化工具，有望改变当前"试错式"的治疗模式。

研究采用三项关键技术方法：1）嵌套交叉验证框架结合SMOTE过采样处理数据不平衡；2）精子DNA碎片指数(DFI)通过SCSA法检测；3）机器学习模型比较涵盖Logistic回归、随机森林和XGBoost算法。所有数据均来自该中心ART工作流管理系统，经伦理委员会批准。

基线特征分析
数据显示补救ICSI组患者更年轻（女性中位年龄32 vs 34岁），但BMI更高(22.9 vs 22.2 kg/m²)。男性因素在不孕原因中占比显著升高(15.46% vs 8.59%)，且原发性不孕比例更高(44.33% vs 31.31%)。这些差异提示年轻患者可能隐藏着未被识别的精子功能障碍。

精液参数差异
补救ICSI组呈现典型的精子质量下降特征：精子浓度(40 vs 70×10⁶/mL)、TPMC(35 vs 60×10⁶)、前向运动力(PR)(30% vs 40%)显著降低，而DFI(14.3% vs 10.5%)和不动精子率(IM)(50% vs 40%)明显升高。这些参数为模型构建提供了关键生物学指标。

模型构建与验证
通过三种算法比较，Logistic回归模型展现出最佳预测性能(AUC=0.734)。核心预测因子包括：保护因素——男性年龄(OR=0.642)和TPMC(OR=0.428)；风险因素——女性BMI(OR=1.268)和DFI(OR=1.362)。决策曲线分析证实该模型在0.05-0.60阈值概率区间具有临床实用价值。

受精结局改善
补救ICSI使正常受精率从17.16%提升至61.78%，未受精率从79.86%降至28.26%。虽然仍低于常规c-IVF组的67.34%，但将绝对差异缩小至5.56%，达到临床可接受范围。

这项研究的重要意义在于：首次建立了一个整合精子DNA完整性与代谢指标的可解释预测模型，突破了传统仅依赖精子常规参数的局限。模型中的DFI指标尤其值得关注，其在受精过程中的作用机制可能涉及精子染色质包装异常导致的原核形成障碍。研究同时揭示了"代谢-生殖"轴的新证据，女性BMI每增加1单位，受精失败风险上升26.8%，这为肥胖患者的个性化咨询提供了量化依据。

研究的局限性在于单中心设计和样本量不足可能影响外部效度，且未纳入精子形态学等潜在预测因子。未来需要通过多中心研究验证模型的普适性，并探索DFI与胚胎发育潜能的分子关联。该成果为ART领域精准医疗实践迈出关键一步，通过早期风险分层有望优化20-30%患者的受精方案选择，减少不必要的医疗资源消耗。