Ультразвуковая радиомика и глубокое обучение для прогнозирования числа антральных фолликулов и уровня антимюллерова гормона

Чтобы преодолеть межнаблюдательную вариабельность при стандартной оценке числа антральных фолликулов (AFC) и ограничения тестирования на АМГ, мы разработали основанный на искусственном интеллекте подход с использованием рутинного двумерного ультразвука для стандартизации оценки овариального резерва в вспомогательных репродуктивных технологиях (ВРТ). В это многоцентровое ретроспективное исследование вошли 395 женщин с бесплодием из двух аффилированных больниц. Когорта была разделена на обучающую (n = 210), внутреннюю тестовую (n = 91) и внешнюю тестовую (n = 94) когорты. Мы разработали три прогностические модели: модель радиомики — 674 признака, соответствующих стандарту IBSI; модель глубокого обучения — извлечение признаков на основе ResNet50; гибридную модель, объединяющую оба подхода. Эффективность моделей валидировали по ручному измерению AFC и уровню АМГ в сыворотке. Последовательная классификация разделяла пациенток на группы низкого, умеренного и высокого риска овариального ответа. Между данными AFC, полученными на обычном 2D-УЗИ, и AFC при трехмерном динамическом сканировании отмечались высокая корреляция и согласованность. Гибридная модель на основе глубокого обучения и радиомики показала наилучшее прогнозирование AFC (R² = 0,743 во внутренней выборке и 0,583 во внешней), превосходя модели, основанные на одном методе (радиомика: 0,586/0,572; глубокое обучение: 0,737/0,541). При прогнозировании АМГ гибридная модель сохраняла воспроизводимость на внешней выборке (R² = 0,509 против 0,420 для радиомики и 0,352 для глубокого обучения; p < 0,05). При стратификации овариального ответа гибридная модель достигла AUC 0,881 (95% ДИ 0,828-0,925), что на 8,0% выше, чем у отдельных моделей, при чувствительности 69,1% и специфичности 84,6% для выявления пациенток высокого риска, которым требуется модификация протокола стимуляции. Разработанный ИИ-подход позволяет стандартизировать оценку овариального резерва с помощью рутинного 2D-УЗИ, эффективно преодолевая ограничения визуализации за счет синергии радиомики и глубокого обучения. Кроме того, модель обладает клинической применимостью, позволяя персонализировать оптимизацию протоколов овариальной стимуляции, и особенно ценна в клинических условиях с ограниченными ресурсами, где нет доступа к сложной визуализационной инфраструктуре.