Оценка влияния мужского фактора бесплодия на исходы программ вспомогательных репродуктивных технологий с применением машинного обучения
- Авторы: Драпкина Ю.С.1, Макарова Н.П.1, Кулакова Е.В.1, Калинина Е.А.1
-
Учреждения:
- ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации
- Выпуск: № 7 (2024)
- Страницы: 96-105
- Раздел: Оригинальные статьи
- URL: https://journals.eco-vector.com/0300-9092/article/view/635289
- DOI: https://doi.org/10.18565/aig.2024.44
- ID: 635289
Цитировать
Полный текст
![Открытый доступ](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_open.png)
![Доступ закрыт](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_unlock.png)
![Доступ закрыт](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_lock.png)
Аннотация
Актуальность: Интерпретация показателей спермограммы при динамическом наблюдении остается неоднозначной, и изучение «веса» и вклада того или иного параметра в результативность лечения методом вспомогательных репродуктивных технологий (ВРТ) в условиях повышения доли мужского фактора представляется крайне актуальным. Анализ данных при помощи машинного обучения (МО) позволяет более точно и таргетно определить наиболее значимые корригируемые и некорригируемые предикторы наступления беременности в программах ВРТ.
Цель: Определение «веса» и влияния каждого параметра, характеризующего качество эякулята, на частоту наступления беременности, а также вклад данных показателей в эмбриологический этап программы ВРТ при помощи линейной регрессии и машинного обучения.
Материалы и методы: В ретроспективное исследование была включена 1021 супружеская пара. В исследовании были проанализированы данные спермограммы в день трансвагинальной пункции яичников в зависимости от клинических и эмбриологических исходов программы ВРТ с использованием построения алгоритмов решающего дерева и линейной регрессии.
Результаты: Построенные модели с использованием линейной регрессии и решающего дерева показали различные результаты значимости каждого фактора спермограммы в определении исходов эмбриологического этапа и частоты наступления беременности. Обращает на себя внимание, что дерево решений продемонстрировало высокую значимость показателя «концентрация сперматозоида в 1 мл, млн».
Заключение: Данные результаты отражают не только высокую перспективность дальнейших исследований в данной области, но и необходимость оптимизации подготовки мужчин к программе ВРТ. Модели, построенные с использованием линейной регрессии, не всегда могут улавливать тренд, скрытый в большом объеме анализируемой информации.
Полный текст
![Доступ закрыт](https://journals.eco-vector.com/lib/pkp/templates/images/icons/text_lock.png)
Об авторах
Юлия Сергеевна Драпкина
ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации
Автор, ответственный за переписку.
Email: yu_drapkina@oparina4.ru
ORCID iD: 0000-0002-0545-1607
к.м.н., н.с. отделения вспомогательных технологий в лечении бесплодия им. проф. Б.В. Леонова
Россия, МоскваНаталья Петровна Макарова
ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации
Email: np_makarova@oparina4.ru
д.б.н., в.н.с. отделения вспомогательных технологий в лечении бесплодия им. проф. Б.В. Леонова
Россия, МоскваЕлена Владимировна Кулакова
ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации
Email: e_kulakova@oparina4.ru
ORCID iD: 0000-0002-4433-4163
д.м.н., с.н.с. отделения вспомогательных технологий в лечении бесплодия им. проф. Б.В. Леонова
Россия, МоскваЕлена Анатольевна Калинина
ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации
Email: e_kalinina@oparina4.ru
ORCID iD: 0000-0002-8922-2878
д.м.н., профессор, заведующая отделением вспомогательных технологий в лечении бесплодия им. проф. Б.В. Леонова
Россия, МоскваСписок литературы
- Zegers-Hochschild F., Adamson G.D., Dyer S., Racowsky C., de Mouzon J., Sokol R. et al. The international glossary on infertility and fertility care, 2017. Fertil. Steril. 2017; 108(3): 393-406. https://dx.doi.org/10.1016/ j.fertnstert.2017.06.005.
- Vander Borght M., Wyns C. Fertility and infertility: definition and epidemiology. Clin. Biochem. 2018; 62: 2-10. https://dx.doi.org/10.1016/ j.clinbiochem.2018.03.012.
- Приказ Министерства здравоохранения Российской Федерации N 108н от 28.02.2019 «Об утверждении правил обязательного медицинского страхования» (с изменениями 13.12.2022 №789н). [Order of the Ministry of Health of the Russian Federation No. 108n dated 28.02.2019 "On approval of the rules of compulsory health insurance" (as amended 13.12.2022 No.789n). (in Russian)].
- Приказ Министерства здравоохранения Российской Федерации от 31 июля 2020 г. № 803н «О порядке использования вспомогательных репродуктивных технологий, противопоказаниях и ограничениях к их применению». [Order of the Ministry of Health of the Russian Federation of July 31, 2020 No. 803n "On the procedure for using assisted reproductive technologies, contraindications and restrictions on their use". (in Russian)].
- Корнеева И.Е., Назаренко Т.А., Перминова С.Г., Митюрина Е.В., Цыбизова Т.И., Дашиева А.Э. Медико-социальные факторы бесплодия в России. Акушерство и гинекология. 2023; 3: 65-72. [Korneeva I.Е., Nazarenko Т.А., Perminova S.G., Mityurina E.V., Tsybizova T.I., Dashieva A.E. Medical and social factors of infertility in Russia. Obstetrics and Gynecology. 2023; (3): 65-72. (in Russian)]. https://dx.doi.org/10.18565/aig.2022.279.
- Лебедев Г.С., Голубев Н.А., Шадеркин И.А., Шадеркина В.А., Аполихин О.И., Сивков А.В., Комарова В.А. Мужское бесплодие в Российской Федерации: статистические данные за 2000-2018 годы. Экспериментальная и клиническая урология. 2019; 4: 4-12. [Lebedev G.S., Golubev N.A., Shaderkin I.A., Shaderkina V.A., Apolikhin O.I., Sivkov A.V., Komarova V.A. Male infertility in the Russian Federation: statistical data for 2000-2018. Experimental and Clinical Urology. 2019; (4): 4-12. (in Russian)]. https://dx.doi.org/10.29188/ 2222-8543-2019-11-4-4-12.
- Шатылко Т.В., Гамидов С.И., Франкевич В.Е., Стародубцева Н.Л., Гасанов Н.Г., Тамбиев А.Х. Астенозооспермия и протеомные факторы регуляции подвижности сперматозоидов. Акушерство и гинекология. 2020; 4: 37-44. [Shatylko T.V., Gamidov S.I., Frankevich V.E., Starodubtseva N.L., Gasanov N.G., Tambiev A.Kh. Asthenozoospermia and proteomic factors regulating sperm motility.Obstetrics and Gynecology. 2020; (4): 37-44. (in Russian)]. https://dx.doi.org/10.18565/aig.2020.4.37-44.
- Овчинников Р.И., Гамидов С.И., Попова А.Ю., Ушакова И.В., Голубева О.Н. Привычное невынашивание беременности - что зависит от мужчины? Акушерство и гинекология. 2016; 12: 15-23. [Ovchinnikov R.I., Gamidov S.I., Popova A.Yu., Ushakova I.V., Golubeva O.N. Recurrent miscarriage: what depends on a male partner? Obstetrics and Gynecology. 2016; (12): 15-23. (in Russian)]. https://dx.doi.org/10.18565/aig.2016.12.15-23.
- Danis R.B., Samplaski M.K. Sperm morphology: history, challenges, and impact on natural and assisted fertility. Curr. Urol. Rep. 2019; 20(8): 43. https:// dx.doi.org/10.1007/s11934-019-0911-7.
- Jiang V.S., Bormann C.L. Artificial intelligence in the in vitro fertilization laboratory: a review of advancements over the last decade. Fertil. Steril. 2023; 120(1): 17-23. https://dx.doi.org/10.1016/j.fertnstert.2023.05.149.
- You J.B., McCallum C., Wang Y., Riordon J, Nosrati R, Sinton D. Machine learning for sperm selection. Nat. Rev. Urol. 2021; 18(7): 387-403. https://dx.doi.org/10.1038/s41585-021-00465-1.
- Choi R.Y., Coyner A.S., Kalpathy-Cramer J., Chiang M.F., Campbell J.P. Introduction to machine learning, neural networks, and deep learning. Transl. Vis. Sci. Technol. 2020; 9(2): 14. https://dx.doi.org/10.1167/tvst.9.2.14.
- Драпкина Ю.С., Макарова Н.П., Татаурова П.Д., Калинина Е.А. Поддержка врачебных решений с помощью глубокого машинного обучения при лечении бесплодия методами вспомогательных репродуктивных технологий. Медицинский совет. 2023; 17(15): 27-37. [Drapkina Yu.S., Makarova N.Р., Tataurova P.D., Kalinina E.A. Deep machine learning applied to support clinical decision-making in the treatment of infertility using assisted reproductive technologies. Medical Council. 2023; 17(15): 27-37. (in Russian)]. https://dx.doi.org/10.21518/ms2023-368.
- Олефир Ю.В., Виноградов И.В., Родионов М.А., Живулько А.Р., Попов Д.М., Монаков Д.М. Шестое руководство ВОЗ по обработке и исследованию эякулята: все новое - это хорошо забытое старое? Вестник урологии. 2023; 11(1): 171-6. [Olefir Yu.V., Vinogradov I.V., Rodionov M.A., Zhyvul’ko A.R., Popov D.M., Monakov D.M. The sixth edition of the WHO laboratory manual for the examination and processing of human semen: is everything new a well-forgotten old? Urology Herald. 2023; 11(1): 171-6. (in Russian)]. https://dx.doi.org/10.21886/2308-6424-2023-11-1-171-176.
- Cooper T.G., Noonan E., von Eckardstein S., Auger J., Baker H.W., Behre H.M. et al. World Health Organization reference values for human semen characteristics. Hum. Reprod. Update. 2010; 16(3): 231-45. https://dx.doi.org/10.1093/humupd/dmp048.
- Chua A.C., Abdul Karim A.K., Tan A.C.C., Abu M.A., Ahmad M.F. The outcome of intra-cytoplasmic sperm injection (ICSI): do the sperm concentration and motility matter? Horm. Mol. Biol. Clin. Investig. 2021; 42(4): 367-72. https://dx.doi.org/10.1515/hmbci-2020-0089.
- Timofeeva A., Drapkina Y., Fedorov I., Chagovets V., Makarova N., Shamina M. et al. Small noncoding RNA signatures for determining the developmental potential of an embryo at the morula stage. Int. J. Mol. Sci. 2020; 21(24): 9399. https://dx.doi.org/10.3390/ijms21249399.
- Nagy Z.P., Liu J., Joris H., Verheyen G., Tournaye H., Camus M. et al. The result of intracytoplasmic sperm injection is not related to any of the three basic sperm parameters. Hum. Reprod. 1995; 10(5): 1123-9. https://dx.doi.org/10.1093/oxfordjournals.humrep.a136104.
- Tannus S., Son W.Y., Gilman A., Younes G., Shavit T., Dahan M.H. The role of intracytoplasmic sperm injection in non-male factor infertility in advanced maternal age. Hum. Reprod. 2017; 32(1): 119-24. https://dx.doi.org/10.1093/humrep/dew298.
- Mercan R., Lanzendorf E.S., Mayer J. Jr, Nassar A., Muasher S.J., Oehninger S. The outcome of clinical pregnancies following intracytoplasmic sperm injection is not affected by semen quality. Andrologia. 1998; 30(2): 91-5. https://dx.doi.org/10.1111/j.1439-0272.1998.tb01152.x.
- Zaninovic N., Rosenwaks Z. Artificial intelligence in human in vitro fertilization and embryology. Fertil. Steril. 2020; 114(5): 914-20. https://dx.doi.org/10.1016/j.fertnstert.2020.09.157.
- Goyal A., Kuchana M., Ayyagari K.P.R. Machine learning predicts live-birth occurrence before in-vitro fertilization treatment. Sci. Rep. 2020; 10(1): 20925. https://dx.doi.org/10.1038/s41598-020-76928-z.
- Peng T., Liao C., Ye X., Chen Z., Li X., Lan Y. et al. Machine learning-based clustering to identify the combined effect of the DNA fragmentation index and conventional semen parameters on in vitro fertilization outcomes. Reprod. Biol. Endocrinol. 2023; 21(1): 26. https://dx.doi.org/10.1186/s12958-023-01080-y.
Дополнительные файлы
![](/img/style/loading.gif)