Объяснимая искусственная интеллигенция для выявления фолликулов, оптимизирующих клинические исходы при вспомогательном зачатии

Бесплодие затрагивает одну из шести пар и часто требует лечения методом экстракорпорального оплодотворения (ЭКО). ЭКО генерирует сложные данные, из-за чего при принятии решений бывает трудно использовать всю полноту информации, и приходится полагаться на простые «правила большого пальца». Методы машинного обучения хорошо подходят для анализа сложных данных и позволяют формировать рекомендации на основе данных, улучшающие принятие решений. В многоцентровом исследовании (n = 19 082 ранее не леченных пациенток), включавшем 11 европейских центров ЭКО, мы использовали объяснимый искусственный интеллект для выявления размеров фолликулов, которые в наибольшей степени влияют на значимые последующие клинические исходы. Было показано, что фолликулы промежуточного размера наиболее важны для числа зрелых ооцитов, получаемых впоследствии. Максимизация доли таких фолликулов к концу стимуляции яичников была связана с более высокой частотой живорождения. Наши данные также указывают, что более крупные средние размеры фолликулов, особенно более 18 мм, ассоциировались с преждевременным повышением прогестерона к концу стимуляции яичников и отрицательно влияли на частоту живорождения при переносе свежих эмбрионов. Эти данные подчеркивают потенциал компьютерных технологий для персонализации ЭКО с целью оптимизации клинических исходов, однако необходима дальнейшая проспективная валидация.