Desarrollar un modelo de aprendizaje automático interpretable para optimizar el día del desencadenante en términos de ovocitos maduros (MII), ovocitos fertilizados (2PN) y blastocistos utilizables.
Fuente: PubMed
Nota: Epicrisis es el órgano oficial de comunicación del Colegio Médico Colombiano. La opinión y conceptos personales expresados en los artículos firmados por un tercero no reflejan la posición de Epicrisis o del Colegio Médico Colombiano-CMC-.
Diseño: Estudio retrospectivo.
Contexto: Un grupo de tres centros de tecnología de reproducción asistida en los Estados Unidos.
Paciente(s): Pacientes sometidos a ciclos de fertilización in vitro autóloga de 2014 a 2020 (n = 30.278).
Intervención(es): Ninguna.
Principales medidas de resultado: Número promedio de ovocitos MII, 2PN y blastocistos utilizables.
Resultado(s)
Se desarrolló un conjunto de modelos de aprendizaje automático interpretables utilizando regresión lineal con recuentos de folículos y niveles de estradiol.
Al utilizar el modelo para realizar predicciones día a día de estimulación desencadenante o continua, se identificaron posibles desencadenantes tempranos y tardíos en el 48,7 % y el 13,8 % de los ciclos, respectivamente.
Después de la comparación por puntaje de propensión, las pacientes con desencadenantes tempranos tenían en promedio 2,3 ovocitos MII menos, 1,8 2PN menos y 1,0 blastocistos utilizables menos en comparación con las pacientes emparejadas con desencadenantes a tiempo, y las pacientes con desencadenantes tardíos tenían en promedio 2,7 ovocitos MII menos, 2,0 2PN menos y 0,7 blastocistos utilizables menos en comparación con las pacientes emparejadas con desencadenantes a tiempo.
Conclusión(es)
Este estudio demuestra que es posible desarrollar un modelo de aprendizaje automático interpretable para optimizar el día de activación.
El uso de nuestro modelo tiene el potencial de mejorar los resultados de muchas pacientes de fertilización in vitro.
Deja un comentario