Поэтапное вероятностное прогнозирование исходов ЭКО с условным обновлением прогнозов

Цель: Разработать поэтапную распределительную модель прогнозирования исходов экстракорпорального оплодотворения (ЭКО), которая формирует полные вероятностные распределения на каждом этапе лечения и позволяет условно обновлять последующие прогнозы после получения фактических результатов.

Методы: Проведено наблюдательное модельное исследование с использованием обезличенных данных регистра Управления по оплодотворению человека и эмбриологии Великобритании (HFEA) за 2017–2018 годы; после поэтапной фильтрации для моделирования было пригодно до 101 217 циклов. Получение яйцеклеток моделировали с использованием отрицательного биномиального распределения с избытком нулей. Последующие переходы, включая формирование бластоцисты, эуплоидию, выживаемость после витрификации и живорождение после переноса эуплоидного эмбриона, моделировали с помощью поэтапных логистических регрессий, откалиброванных по опубликованным когортам и сводным данным национальных регистров (ещё 429 507 наблюдений). Прогностическую эффективность моделей, построенных на данных HFEA, оценивали на отложенных тестовых выборках HFEA по точности точечного прогнозирования, разнице между обучающей и тестовой выборками, покрытию прогнозных интервалов и калибровке в различных стратах прогнозируемых исходов.

Результаты: Модель распространяет полные вероятностные распределения через последовательные этапы ЭКО, а не только точечные оценки. При валидации на отложенной выборке HFEA ухудшение показателей между обучающей и тестовой выборками было минимальным (разница менее 0,007); точность прогнозирования ожидаемого числа яйцеклеток была умеренной, а для числа зрелых и оплодотворённых яйцеклеток — выше. Прогнозные интервалы для числа полученных яйцеклеток имели покрытие, близкое к номинальному: 50% — 50,2%, 80% — 79,2%, 95% — 94,9%. Наблюдаемые средние исходы были близки к прогнозируемым средним значениям в стратах по прогнозируемому числу яйцеклеток и частоте исходов. После ввода фактических результатов этапа последующие распределения корректно обновлялись: неопределённость уменьшалась, а индивидуальные биологические параметры цикла сохранялись как при одном, так и при нескольких циклах. R2

Выводы: Последовательная распределительная модель прогнозирования исходов ЭКО с условным обновлением формирует количественно выраженные оценки неопределённости, учитывает этап лечения и динамически адаптируется к индивидуальным результатам пациента, поддерживая более персонализированное консультирование и планирование лечения.