为多囊卵巢综合征女性估算个体化的促性腺激素起始剂量：一种基于目标的GnRH拮抗剂刺激机器学习模型

《BMC Pregnancy and Childbirth》：Estimating individualized gonadotropin starting doses in women with PCOS: a target-driven machine learning model for GnRH-antagonist stimulation

　　

摘要

背景

患有多囊卵巢综合征（PCOS）的女性在控制性卵巢刺激过程中容易出现过度卵巢反应和卵巢过度刺激综合征（OHSS），而过于保守的促性腺激素（Gn）剂量则会降低卵子的获取量和效率。本研究旨在构建一种基于目标的机器学习模型，用于为PCOS女性估算个性化的Gn起始剂量。

方法

这项回顾性、双中心研究分析了976名采用GnRH拮抗剂方案进行体外受精-胚胎移植的PCOS女性。这些患者根据卵子获取量被分为三类：2、RMSE和MAE来评估。

结果

卵子获取量为7–16个的组在生育结局、OHSS风险、分娩时间以及成本方面表现出更为理想的平衡。最终确定的预测因子包括体重指数（BMI）、抗缪勒氏管激素（AMH）、基础促卵泡生成素水平（bFSH）以及窦卵泡计数（AFC）。该随机森林模型在独立测试集中能够准确预测卵巢敏感性，其R²值为0.860（95%置信区间：0.809, 0.901），RMSE值为0.254（95%置信区间：0.218, 0.296），MAE值为0.141（95%置信区间：0.127, 0.156）。在对卵子获取量为7–16个的组进行的后续剂量一致性分析显示，模型得出的剂量与历史处方数据相符。模拟的剂量调整分析表明，当卵子获取量＜?7个时需提高剂量，而＞?16个时则需降低剂量。此外，还开发了一个在线“Gn计算器”以辅助临床决策。

结论

通过利用BMI、AMH、bFSH和AFC来预测卵巢敏感性，这种基于目标的随机森林框架能够为PCOS女性计算出个性化的Gn起始剂量。该Gn计算器便于临床应用，可通过设定理想的卵子获取量来帮助患者获得最佳治疗效果。