基于机器学习预测模型探究薄型子宫内膜患者接受IVF/ICSI-ET治疗的早期流产风险因素

胡馨月; 胡瑜凌; 吕兴钰; 丁裕斌; 李恬; 钟朝晖; 唐晓君

doi:10.13406/j.cnki.cyxb.003464

您当前的位置：

首页 >

文章列表页 >

基于机器学习预测模型探究薄型子宫内膜患者接受IVF/ICSI-ET治疗的早期流产风险因素

临床研究 | 更新时间：2025-10-22

- 基于机器学习预测模型探究薄型子宫内膜患者接受IVF/ICSI-ET治疗的早期流产风险因素
- Risk factors for early miscarriage in patients with thin endometrium receiving in vitro fertilization/intracytoplasmic sperm injection-embryo transfer：a study based on machine learning-based predictive modeling
- 重庆医科大学学报 2024年49卷第4期页码：478-485
- 作者机构：
  
  1.重庆医科大学公共卫生学院,重庆 400016
  2.重庆医科大学附属第一医院生殖医学中心,重庆 400016
  3.四川锦欣西囡妇女儿童医院生殖医学科,四川 610000
- 作者简介：
  
  胡馨月，Email：780269016@qq.com，研究方向：生殖医学与妇产科学。
  唐晓君，Email：tangxiaojun@cqmu.edu.cn。
- 基金信息：
  
  重庆医科大学智慧医学资助项目(ZHYX202127)
- DOI：10.13406/j.cnki.cyxb.003464
  中图分类号： R714.8
- 收稿：2023-11-29，
  
  修回：2024-02-28，
  
  录用：2024-02-29，
  
  纸质出版：2024-04-28
- 稿件说明：
移动端阅览
胡馨月,胡瑜凌,吕兴钰,等.基于机器学习预测模型探究薄型子宫内膜患者接受IVF/ICSI-ET治疗的早期流产风险因素[J].重庆医科大学学报,2024,49(4):478-485.

Hu Xinyue,Hu Yuling,Lv Xingyu,et al.Risk factors for early miscarriage in patients with thin endometrium receiving in vitro fertilization/intracytoplasmic sperm injection-embryo transfer：a study based on machine learning-based predictive modeling[J].Journal of Chongqing Medical University,2024,49(4):478-485.
胡馨月,胡瑜凌,吕兴钰,等.基于机器学习预测模型探究薄型子宫内膜患者接受IVF/ICSI-ET治疗的早期流产风险因素[J].重庆医科大学学报,2024,49(4):478-485. DOI： 10.13406/j.cnki.cyxb.003464.

Hu Xinyue,Hu Yuling,Lv Xingyu,et al.Risk factors for early miscarriage in patients with thin endometrium receiving in vitro fertilization/intracytoplasmic sperm injection-embryo transfer：a study based on machine learning-based predictive modeling[J].Journal of Chongqing Medical University,2024,49(4):478-485. DOI： 10.13406/j.cnki.cyxb.003464.

摘要

目的

基于多种机器学习方法，探讨薄子宫内膜患者在新鲜胚胎移植中发生早期流产的影响因素，并建立预测模型，为预防薄子宫内膜患者在进行新鲜胚胎移植中发生早期流产提供合理的指导思路。

方法

纳入了首次进行新鲜胚胎移植的薄子宫内膜患者1153例，通过LASSO回归和随机森林递归特征消除（recursive feature elimination，RFE）筛选特征，建立6种机器学习模型，通过交叉验证、准确度、敏感性、召回率、f1值、ROC曲线下面积及校准曲线比较不同模型的性能。SHAP图用于解释影响早期流产的因素。

结果

通过LASSO回归和随机森林RFE筛选出29个特征变量纳入六种机器学习模型，其中多层感知机模型对早期流产的区分度最佳，ROC曲线下面积为0.803（95%CI=0.772~0.834）。随机森林、XGBoost和AdaBoost模型的ROC曲线下面积都高于0.7。

结论

开发了薄子宫内膜患者在新鲜胚胎移植中是否发生早期流产的机器学习预测模型，各种评价指标的验证表明该模型的性能良好，有助于临床医生对该人群患者的早期诊断，为未来改善早期流产高危患者的妊娠结局提供指导思路。

Abstract

Objective

To investigate the influencing factors for early miscarriage in in patients with thin endometrium during fresh embryo transfer based on multiple machine learning methods，to establish a predictive model，and to provide reasonable ideas for preventing early miscarriage in patients with thin endometrium undergoing fresh embryo transfer.

Methods

A total of 1153 patients with thin endometrium who underwent fresh embryo transfer for the first time were enrolled in this study，and LASSO regression and random forest recursive feature elimination（RFE） were used for feature selection. Six machine learning models were developed and compared in terms of cross validation，accuracy，sensitivity，recall rate，f1 value，area under the ROC curve，and calibration curve. SHAP plots were used to elucidate the influencing factors for early miscarriage.

Results

A total of 29 feature variables were identified by LASSO regression and random forest RFE and were included in the six machine learning models，among which the multilayer perceptron model showed the best discriminatory ability for early miscarriage，with an area under the ROC curve of 0.803（95%CI=0.772-0.834）. The random forest，XGBoost，and AdaBoost models had an area under the ROC curve of >0.7.

Conclusion

This study establishes a machine learning-based predictive model for early miscarriage in patients with thin endometrium during fresh embryo transfer，and validation of various evaluation metrics shows that the model has good performance and can help clinicians to achieve the early diagnosis of patients，thereby providing ideas for improving the pregnancy outcome of patients at high risk of early miscarriage in the future.

关键词

Keywords

references

Kawwass JF ， Badell ML . Maternal and fetal risk associated with assisted reproductive technology [J ] . Obstet Gynecol ， 2018 ， 132 （ 3 ）： 763 - 772 ．

Kushnir VA ， Barad DH ， Albertini DF ， et al . Systematic review of worldwide trends in assisted reproductive technology 2004-2013 [J ] . Reprod Biol Endocrinol ， 2017 ， 15 （ 1 ）： 6 ．

Liu KE ， Hartman M ， Hartman A . Management of thin endometrium in assisted reproduction：a clinical practice guideline from the Canadian Fertility and Andrology Society [J ] . Reprod Biomed Online ， 2019 ， 39 （ 1 ）： 49 - 62 ．

Cohen MJ ， Rosenzweig TS ， Revel A . Uterine abnormalities and embryo implantation：clinical opinion altered by peer debate [J ] . Reprod Biomed Online ， 2007 ， 14 （ 5 ）： 555 - 558 ．

成海英，谭小军，彭婀娜，等 . 多囊卵巢综合征患者不同预处理对冻融胚胎移植临床疗效的影响 [J ] . 生殖医学杂志， 2019 ， 28 （ 2 ）： 146 - 150 ．

Cheng HY ， Tan XJ ， Peng EN ， et al . Effects of different pretreatment on frozen-thawed embryo transfer in patients with polycystic ovary syndrome [J ] . J Reprod Med ， 2019 ， 28 （ 2 ）： 146 - 150 ．

Gonen Y ， Casper RF ， Jacobson W ， et al . Endometrial thickness and growth during ovarian stimulation：a possible predictor of implantation in in vitro fertilization [J ] . Fertil Steril ， 1989 ， 52 （ 3 ）： 446 - 450 ．

Khalifa E ， Brzyski RG ， Oehninger S ， et al . Sonographic appearance of the endometrium：the predictive value for the outcome of in-vitro fertilization in stimulated cycles [J ] . Hum Reprod ， 1992 ， 7 （ 5 ）： 677 - 680 ．

Mercé LT ， Barco MJ ， Bau S ， et al . Are endometrial parameters by three-dimensional ultrasound and power Doppler angiography related to in vitro fertilization/embryo transfer outcome? [J ] . Fertil Steril ， 2008 ， 89 （ 1 ）： 111 - 117 ．

Traub ML ， van Arsdale A ， Pal L ， et al . Endometrial thickness，Caucasian ethnicity，and age predict clinical pregnancy following fresh blastocyst embryo transfer：a retrospective cohort [J ] . Reprod Biol Endocrinol ， 2009 ， 7 ： 33 ．

Al-Ghamdi A ， Coskun S ， Al-Hassan S ， et al . The correlation between endometrial thickness and outcome of in vitro fertilization and embryo transfer（IVF-ET） outcome [J ] . Reprod Biol Endocrinol ， 2008 ， 6 ： 37 ．

Dietterich C ， Check JH ， Choe JK ， et al . Increased endometrial thickness on the day of human chorionic gonadotropin injection does not adversely affect pregnancy or implantation rates following in vitro fertilization-embryo transfer [J ] . Fertil Steril ， 2002 ， 77 （ 4 ）： 781 - 786 ．

Zhao J ， Zhang Q ， Wang YG ， et al . Endometrial pattern，thickness and growth in predicting pregnancy outcome following 3319 IVF cycle [J ] . Reprod Biomed Online ， 2014 ， 29 （ 3 ）： 291 - 298 ．

Kasius A ， Smit JG ， Torrance HL ， et al . Endometrial thickness and pregnancy rates after IVF：a systematic review and meta-analysis [J ] . Hum Reprod Update ， 2014 ， 20 （ 4 ）： 530 - 541 ．

Hertz-Picciotto I ， Samuels SJ . Incidence of early loss of pregnancy [J ] . N Engl J Med ， 1988 ， 319 （ 22 ）： 1483 - 1484 ．

Wang LY ， Wang L ， Yang X ， et al . Risk factors related to early pregnancy loss in fresh IVF/ICSI：an analysis of 954 embryo transfer cycles [J ] . Medicine ， 2022 ， 101 （ 34 ）： e30166 ．

Hipp H ， Crawford S ， Kawwass JF ， et al . First trimester pregnancy loss after fresh and frozen in vitro fertilization cycles [J ] . Fertil Steril ， 2016 ， 105 （ 3 ）： 722 - 728 ．

Bi QF ， Goodman KE ， Kaminsky J ， et al . What is Machine Learning?A Primer for the Epidemiologist [J ] . Am J Epidemiol ， 2019 ， 188 （ 12 ）： 2222 - 2239 ．

Li D ， Kulasegaram K ， Hodges BD . Why we needn’t fear the machines：opportunities for medicine in a machine learning world [J ] . Acad Med ， 2019 ， 94 （ 5 ）： 623 - 625 ．

Colmenarejo G . Machine learning models to predict childhood and adolescent obesity：a review [J ] . Nutrients ， 2020 ， 12 （ 8 ）： 2466 ．

Parikh RB ， Manz C ， Chivers C ， et al . Machine learning approaches to predict 6-month mortality among patients with cancer [J ] . JAMA Netw Open ， 2019 ， 2 （ 10 ）： e1915997 ．

Attawet J ， Wang AY ， Farquhar CM ， et al . Pregnancy and birth outcomes of single versus multiple embryo transfer in gestational surrogacy arrangements：a systematic review and meta-analysis [J ] . Hum Fertil ， 2022 ， 25 （ 2 ）： 217 - 227 ．

Büscher U ， Horstkamp B ， Wessel J ， et al . Frequency and significance of preterm delivery in twin pregnancies [J ] . Int J Gynaecol Obstet ， 2000 ， 69 （ 1 ）： 1 - 7 ．

Duffy DA ， Nulsen JC ， Maier DB ， et al . Obstetrical complications in gestational carrier pregnancies [J ] . Fertil Steril ， 2005 ， 83 （ 3 ）： 749 - 754 ．

刘　娟，周欢群，周　文，等 . 促排卵早期血清雌激素水平预测体外受精－胚胎移植结局的评价 [J ] . 实用医学杂志， 2016 ， 32 （ 13 ）： 2157 - 2160 ．

Liu J ， Zhou HQ ， Zhou W ， et al . The predictive value of serum estradiol level during early phase of controlled ovarian hyperstimulation in IVF-ET [J ] . J Pract Med ， 2016 ， 32 （ 13 ）： 2157 - 2160 ．

Prasad S ， Kumar Y ， Singhal M ， et al . Estradiol level on day 2 and day of trigger：a potential predictor of the IVF-ET success [J ] . J Obstet Gynaecol India ， 2014 ， 64 （ 3 ）： 202 - 207 ．

赵梓宇，王晓宁，徐鸿毅，等 . 促黄体生成素在辅助生殖技术中的研究进展 [J ] . 生殖医学杂志， 2023 ， 32 （ 3 ）： 469 - 474 ．

Zhao ZY ， Wang XN ， Xu HY ， et al . Research progress of luteinizing hormone in assisted reproductive technology [J ] . J Reprod Med ， 2023 ， 32 （ 3 ）： 469 - 474 ．

Soler A ， Morales C ， Mademont-Soler I ， et al . Overview of chromosome abnormalities in first trimester miscarriages：a series of 1，011 consecutive chorionic villi sample karyotypes [J ] . Cytogenet Genome Res ， 2017 ， 152 （ 2 ）： 81 - 89 ．

Haddock L ， Gordon S ， Lewis SEM ， et al . Sperm DNA fragmentation is a novel biomarker for early pregnancy loss [J ] . Reprod Biomed Online ， 2021 ， 42 （ 1 ）： 175 - 184 ．

Tan J ， Taskin O ， Albert A ， et al . Association between sperm DNA fragmentation and idiopathic recurrent pregnancy loss：a systematic review and meta-analysis [J ] . Reprod Biomed Online ， 2019 ， 38 （ 6 ）： 951 - 960 ．

Zidi-Jrah I ， Hajlaoui A ， Mougou-Zerelli S ， et al . Relationship between sperm aneuploidy，sperm DNA integrity，chromatin packaging，traditional semen parameters，and recurrent pregnancy loss [J ] . Fertil Steril ， 2016 ， 105 （ 1 ）： 58 - 64 ．

Osman A ， Alsomait H ， Seshadri S ， et al . The effect of sperm DNA fragmentation on live birth rate after IVF or ICSI：a systematic review and meta-analysis [J ] . Reprod Biomed Online ， 2015 ， 30 （ 2 ）： 120 - 127 ．

Yang AM ， Xu XH ， Han Y ， et al . Risk factors for different types of pregnancy losses：analysis of 15，210 pregnancies after embryo transfer [J ] . Front Endocrinol ， 2021 ， 12 ： 683236 ．

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于可解释机器学习的肝硬化患者早期并发食管静脉曲张风险预测研究

基于人工智能的气道管理优化策略与实践分析

基于机器学习算法构建食道闭锁术后吻合口漏概率在线交互式网页计算工具及相应风险分层系统

基于机器学习算法的静脉用药风险预测模型构建及验证

基于生物信息学分析探索种植体周围炎的免疫特征基因及其对免疫细胞的调控机制