【佳學基因檢測】延時參數(shù)和臨床特征的組合能否預測胚胎倍性狀態(tài)或著床？
根據(jù)，國際有很高知名度基因檢測科學性證據(jù)雜志《》在第期發(fā)表了一篇標題為《延時參數(shù)和臨床特征的組合能否預測胚胎倍性狀態(tài)或著床？》的文章。該基因領域的臨床應用研究由Yaoyu Zou,?Yingxia Pan?,?Naidong Ge,?Yan Xu,?Ruihuan Gu,?Zhichao Li,?Jing Fu,?Junhui Gao?,?Xiaoxi Sun?,?Yijuan Sun?完成。
基因信息數(shù)據(jù)庫索引號：
基因檢測人工智能數(shù)據(jù)標簽：?35918244和?doi: 10.1016/j.rbmo.2022.06.007.?Online ahead of print.
基因解碼研究關鍵詞：
人工智能,深度學習,胚胎選擇,機器學習,延時攝影
國際基因解碼證據(jù)鏈條標簽：
Artificial intelligence, Deep learning, Embryo selection, Machine learning, Time-lapse.
基因檢測臨床研究與應用結(jié)果介紹：
研究問題：基于人工智能的模型能否預測整倍體移植胚胎的胚胎倍性狀態(tài)或植入潛力？將臨床特征添加到延時監(jiān)測 (TLM) 參數(shù)中作為輸入數(shù)據(jù)能否提高其預測性能？設計：單一學術生育中心，回顧性隊列研究。研究了 2016 年 7 月至 2021 年 7 月期間接受植入前基因檢測 (PGT) 的 212 名患者的 773 個高級整倍體和非整倍體囊胚，用于倍性預測。其中，170個整倍體胚胎被單次移植并納入植入分析。使用五種機器學習模型和兩種深度學習網(wǎng)絡來開發(fā)預測算法。除了正確度、正確度、召回率和 F1 得分外，預測性能還使用接受者操作特征曲線 (AUC) 下面積來衡量。結(jié)果：倍性預測賊具預測性的模型具有 AUC、正確度、正確度、召回率和 F1得分分別為 0.70、0.64、0.64、0.50 和 0.56。 DNN-LSTM 模型顯示出賊佳預測性能，AUC 為 0.78，正確度為 0.77，正確度為 0.79，召回率為 0.86，F(xiàn)1 得分為 0.83。在倍性預測和植入預測算法中加入臨床特征后，預測能力得到提高。結(jié)論：基因解碼研究機構(gòu)的研究結(jié)果強調(diào)臨床特征可以大大提高胚胎預測性能，并且它們與TLM參數(shù)的組合對于預測高級整倍體具有魯棒性。胚泡。然而，倍性預測模型的預測性不高，這表明它們目前不能替代植入前基因檢測。
(責任編輯：佳學基因)
