机器学习辅助预测辅助生殖技术（ART）妊娠结局：系统综述与荟萃分析

《Journal of Assisted Reproduction and Genetics》：Machine learning-enabled prediction of ART pregnancy outcomes: a systematic review and meta-analysis

　　

目的：系统评价机器学习（ML）预测模型在辅助生殖技术（ART）后妊娠结局中的诊断准确性和方法学质量。方法：检索PubMed、Embase、Cochrane Library、IEEE Xplore、MEDLINE、ClinicalTrials.gov、CNKI、万方和维普数据库，时间从建库至2026年7月。纳入的研究开发或验证了用于预测ART后临床妊娠或活产的ML模型。对于报告完整2×2列联数据的研究，采用随机效应诊断荟萃分析估计合并敏感性、特异性、诊断优势比（DOR）和汇总受试者工作特征（SROC）曲线。采用PROBAST评估偏倚风险。结果：系统综述纳入20项研究，其中14项贡献于诊断荟萃分析。总体偏倚风险在1项研究（5.0%）中为低，8项研究（40.0%）中为高，11项研究（55.0%）中为不清楚。合并敏感性为0.737（95% CI，0.662–0.799），合并特异性为0.789（95% CI，0.709–0.851），存在显著异质性（I²分别为97.7%和99.0%）。合并DOR为10.49（95% CI，6.28–17.53），SROC曲线显示可接受的总体区分能力。探索性DOR亚组分析显示，临床妊娠和活产的性能相当。在随机效应框架下，按算法类型、中心类型或验证状态分组均未观察到统计学上稳健的亚组差异；研究设计显示显著亚组差异，但该估计仅由一项前瞻性研究驱动。结论：ML模型在预测ART妊娠结局方面表现出中等诊断准确性，但证据基础受到显著异质性和频繁的高或不清楚偏倚风险的限制。未来研究应遵循TRIPOD+AI和PROBAST对齐标准，报告校准和临床效用，并在临床实施前优先进行前瞻性多中心外部验证。系统综述注册：PROSPERO，CRD420251108846。

**论文解读：机器学习辅助预测辅助生殖技术妊娠结局的系统综述与荟萃分析**

**研究背景**
不孕症是全球重大生殖健康问题，世界卫生组织估计约六分之一成年人一生中经历不孕。辅助生殖技术（ART），特别是体外受精（IVF）及其衍生技术，如卵胞浆内单精子注射（ICSI）、冻融胚胎移植（FET）和植入前遗传学检测，在过去几十年显著进步，为全球数百万家庭带来生育希望。然而，每个ART周期的活产率仍相对较低，且个体和中心间差异显著。ART成功受女性年龄、卵巢储备、胚胎发育能力、子宫内膜容受性、既往生殖史、内分泌代谢状态、实验室操作和生活方式等多因素复杂交互影响。反复治疗失败还带来沉重情感和经济负担，导致部分患者在妊娠前即中断治疗。因此，更个体化和可靠的结局预测对精准生殖医学至关重要。传统预测模型多依赖回归方法和有限预设变量，虽可解释性强，但难以充分捕捉非线性关系、高维胚胎学信息、影像特征及患者-胚胎-治疗水平变量间的复杂交互。机器学习（ML）方法通过建模非线性和高维模式，整合临床、实验室和影像数据，可能在此方面提供优势。近年来，ML在女性健康和生殖医学领域迅速扩展，包括胚胎选择、囊胚发育预测、基于图像的胚胎评估及产科并发症风险分层。尽管关于ML算法预测模型的研究数量激增，覆盖生殖领域各个方面，但针对ART妊娠结局预测仍缺乏明确的系统评价和荟萃分析。因此，本研究旨在系统评价基于ML的模型预测ART后妊娠结局的诊断准确性，采用PROBAST评估方法学质量，并通过预设亚组分析探索异质性来源。

**研究内容与结论**
研究人员开展了一项系统综述和诊断荟萃分析，检索多个中英文数据库至2026年7月，纳入开发或验证ML模型预测ART后临床妊娠或活产的研究。共20项研究纳入系统综述，其中14项提供完整2×2数据用于荟萃分析。采用随机效应模型合并敏感性、特异性和诊断优势比（DOR），生成汇总受试者工作特征（SROC）曲线，并利用PROBAST评估偏倚风险。结果显示，ML模型预测ART妊娠结局的合并敏感性为0.737（95% CI，0.662–0.799），合并特异性为0.789（95% CI，0.709–0.851），合并DOR为10.49（95% CI，6.28–17.53），表明模型具有中等诊断准确性。但异质性显著（敏感性I²=97.7%，特异性I²=99.0%）。亚组分析显示，临床妊娠与活产间性能相当；算法类型、中心类型或验证状态未产生显著差异；研究设计（前瞻性vs回顾性）存在显著差异，但仅由一项前瞻性研究驱动。方法学质量评估表明，仅5%的研究总体偏倚风险为低，40%为高，55%为不清楚；主要问题在于缺失数据处理、参与者流程和结局评估报告不充分。该研究发表在《Journal of Assisted Reproduction and Genetics》，其重要意义在于首次系统量化了ML模型在ART妊娠结局预测中的诊断性能，揭示了当前证据基础的高异质性和偏倚风险，呼吁未来研究遵循TRIPOD+AI和PROBAST标准，加强外部验证和临床效用评估。

**主要技术方法（不超过250字）**
研究人员采用系统综述和诊断荟萃分析方法。搜索策略覆盖PubMed、Embase、Cochrane Library、IEEE Xplore、MEDLINE、ClinicalTrials.gov、CNKI、万方和维普数据库，从建库至2026年7月，并补充检索Google Scholar、临床试验注册库、主要生殖医学会议摘要及纳入研究的参考文献列表。纳入标准为接受ART患者、开发或验证ML预测模型、报告临床妊娠或活产结局。数据提取包括研究特征、算法类型、验证策略和诊断性能指标。对报告完整2×2列联数据的研究，采用双变量随机效应模型（Reitsma框架）合并敏感性和特异性，生成SROC曲线，并计算合并DOR。异质性通过I²和Q检验量化。亚组分析按临床结局、算法类型、研究设计、中心类型和验证状态进行，使用随机效应卡方交互检验。偏倚风险采用PROBAST工具评估，涵盖参与者选择、预测因子、结局和分析四个领域。发表偏倚通过Deeks漏斗图对称性检验评估。样本队列来源包括来自亚洲、欧洲、北美、澳大利亚/新西兰和俄罗斯的20项研究，多数为回顾性单中心设计。

**研究结果**

**1. 诊断准确性**
14项研究的荟萃分析显示，ML模型预测ART妊娠结局的合并敏感性为0.737（95% CI，0.662–0.799），合并特异性为0.789（95% CI，0.709–0.851），均存在显著异质性（I²分别为97.7%和99.0%）。合并DOR为10.49（95% CI，6.28–17.53），表明妊娠成功患者的阳性检测概率约为不成功患者的10倍。SROC曲线显示可接受的总体区分能力，但预测区域较宽，提示跨临床设置应用时存在较大不确定性。

**2. 亚组分析**
按临床结局分层：临床妊娠的合并DOR为11.09（95% CI，4.14–29.71），活产为10.63（95% CI，7.97–14.19），差异无统计学意义（p=0.9356）。按算法类型：集成学习（Ensemble Learning）合并DOR为9.47（95% CI，6.13–14.64），深度学习（Deep Learning）为6.03（95% CI，2.21–16.46），传统机器学习（Traditional ML）为24.27（95% CI，1.65–357.93），差异不显著（p=0.5526）。按研究设计：回顾性研究合并DOR为9.27（95% CI，5.82–14.76），前瞻性研究仅一项，DOR为200.00（95% CI，34.65–1154.43），差异显著（p=0.0009），但受限于单研究。按中心类型：单中心合并DOR为11.62（95% CI，5.61–24.09），多中心为8.76（95% CI，4.83–15.88），差异不显著（p=0.5555）。按验证状态：内部验证合并DOR为12.42（95% CI，6.58–23.45），外部验证为6.09（95% CI，3.35–11.05），差异未达统计学意义（p=0.1088），但外部验证估计值较低，提示内部验证可能高估性能。

**3. 质量评估**
20项研究中，总体偏倚风险低者仅1项（5.0%），高者8项（40.0%），不清楚者11项（55.0%）。参与者选择领域最稳健，19项为低风险。预测因子领域：低风险2项，高风险10项，不清楚8项，主要因缺失数据处理高风险（10项）和不清楚（8项）。结局领域：低风险仅2项，不清楚18项，主要因结局评估程序不清楚（17项）和随访时间不清楚（13项）。分析领域：高风险17项，低风险3项，主要因参与者流程报告不充分（17项）。这些发现提示，缺失数据管理、参与者流程、结局评估和随访时间的不完整报告可能夸大模型区分能力并降低跨中心可迁移性。

**4. 发表偏倚**
Deeks漏斗图对称性检验未显示显著发表偏倚（p>0.05），但因纳入荟萃分析的研究数量较少（n=14），检验效能有限，需谨慎解释。

**讨论与结论**
讨论部分指出，ML模型在ART妊娠结局预测中表现出中等诊断性能，但性能不足以作为独立决策工具，应视为辅助临床判断的决策支持工具。73.7%的敏感性意味着约四分之一的成功妊娠会被错误分类为低风险，而78.9%的特异性意味着约五分之一的失败结局会被错误地给予安慰。模型性能受限于ART成功本身固有的复杂性，涉及生物、技术和环境因素，难以完全捕捉。亚组分析显示，临床妊娠与活产性能无显著差异，算法类型间无稳健差异，表明患者特征、结果定义、特征可用性、缺失数据处理和验证策略的影响可能大于算法本身。外部验证严重不足，且外部验证研究的合并DOR低于内部验证，强调独立外部验证的重要性。方法学质量方面，仅5%的研究总体偏倚风险低，主要缺陷围绕缺失数据处理、参与者流程和结局评估，这些问题直接影响再现性、校准、可迁移性和临床可靠性。未来研究应遵循TRIPOD+AI标准，预先注册分析计划，提供充分的样本量依据，预设结局定义，稳健处理缺失数据，并公开报告校准和决策阈值。

**结论**：机器学习模型在预测辅助生殖技术（ART）后妊娠结局方面显示出中等诊断准确性，对临床妊娠和活产的预测性能大致相当。证据基础仍受限于显著异质性、主要为回顾性设计、缺乏充分的外部验证以及频繁的高或不清楚偏倚风险。未来研究应强调透明报告、严格验证、校准，并在ML模型整合到常规ART临床实践前，优先进行前瞻性多中心评估。