Использование искусственного интеллекта для прогнозирования исходов овариальной стимуляции при экстракорпоральном оплодотворении: обзор по объему литературы

Введение: В области экстракорпорального оплодотворения модели искусственного интеллекта служат для практикующих врачей ценным инструментом, позволяя прогнозировать исходы овариальной стимуляции. Прогнозирование и понимание ответа пациентки на овариальную стимуляцию помогают персонализировать дозы препаратов, предотвращать неблагоприятные исходы, например синдром гиперстимуляции яичников, и повышать вероятность успешного оплодотворения и наступления беременности. Учитывая ключевую роль точных прогнозов в процедурах экстракорпорального оплодотворения, важно изучить спектр моделей искусственного интеллекта, применяемых для прогнозирования исходов овариальной стимуляции.

Цель: Всесторонне проанализировать литературу, чтобы описать характеристики моделей искусственного интеллекта, используемых для прогнозирования исходов овариальной стимуляции в контексте экстракорпорального оплодотворения.

Методы: Было выполнено поиск в 6 электронных базах данных по рецензируемым публикациям, вышедшим до августа 2023 года, с использованием понятий экстракорпорального оплодотворения и искусственного интеллекта, а также связанных с ними терминов. Записи независимо отбирали 2 рецензента по критериям включения. Затем извлеченные данные были обобщены и представлены в виде нарративного синтеза.

Результаты: После анализа 1348 статей 30 соответствовали заранее установленным критериям включения. В литературе основное внимание уделялось числу полученных ооцитов как главному прогнозируемому исходу. Изображения, полученные при микроскопии, оказались основным эталонным источником. В рассмотренных исследованиях также показано, что наиболее часто применяемым протоколом стимуляции был антагонист гонадотропин-рилизинг-гормона. В отношении триггерного препарата чаще всего использовали хорионический гонадотропин человека. Среди методов машинного обучения предпочтение отдавали методу опорных векторов. Для валидации алгоритмов искусственного интеллекта наиболее распространенным был метод перекрестной проверки с выделением отложенной выборки. В качестве основной метрики оценки чаще всего использовали площадь под кривой. В литературе отмечался большой разброс числа признаков, используемых для разработки алгоритмов искусственного интеллекта: от 2 до 28 054. Данные в основном получали из демографических характеристик пациенток, затем из лабораторных данных, прежде всего из уровней гормонов. Примечательно, что подавляющее большинство исследований были ограничены одной клиникой лечения бесплодия и опирались исключительно на непубличные наборы данных.

Выводы: Эти данные указывают на острую необходимость разнообразить источники данных и изучать различные методы искусственного интеллекта для повышения точности прогнозирования и обобщаемости моделей искусственного интеллекта при прогнозировании исходов овариальной стимуляции. В будущих исследованиях приоритетом должны стать межклинические проекты и использование публичных наборов данных, чтобы обеспечить более точные прогнозы на основе искусственного интеллекта и в конечном счете улучшить ведение пациенток и результаты экстракорпорального оплодотворения.