【佳学基因检测】延时参数和临床特征的组合能否预测胚胎倍性状态或着床？

根据，国际有很高知名度基因检测科学性证据杂志《》在第期发表了一篇标题为《延时参数和临床特征的组合能否预测胚胎倍性状态或着床？》的文章。该基因领域的临床应用研究由Yaoyu Zou, Yingxia Pan , Naidong Ge, Yan Xu, Ruihuan Gu, Zhichao Li, Jing Fu, Junhui Gao , Xiaoxi Sun , Yijuan Sun 完成。

基因信息数据库索引号：

基因检测人工智能数据标签： 35918244和 doi: 10.1016/j.rbmo.2022.06.007. Online ahead of print.

基因解码研究关键词：

人工智能,深度学习,胚胎选择,机器学习,延时摄影

国际基因解码证据链条标签：

Artificial intelligence, Deep learning, Embryo selection, Machine learning, Time-lapse.

基因检测临床研究与应用结果介绍：

研究问题：基于人工智能的模型能否预测整倍体移植胚胎的胚胎倍性状态或植入潜力？将临床特征添加到延时监测 (TLM) 参数中作为输入数据能否提高其预测性能？设计：单一学术生育中心，回顾性队列研究。研究了 2016 年 7 月至 2021 年 7 月期间接受植入前基因检测 (PGT) 的 212 名患者的 773 个高级整倍体和非整倍体囊胚，用于倍性预测。其中，170个整倍体胚胎被单次移植并纳入植入分析。使用五种机器学习模型和两种深度学习网络来开发预测算法。除了正确度、正确度、召回率和 F1 得分外，预测性能还使用接受者操作特征曲线 (AUC) 下面积来衡量。结果：倍性预测贼具预测性的模型具有 AUC、正确度、正确度、召回率和 F1得分分别为 0.70、0.64、0.64、0.50 和 0.56。 DNN-LSTM 模型显示出贼佳预测性能，AUC 为 0.78，正确度为 0.77，正确度为 0.79，召回率为 0.86，F1 得分为 0.83。在倍性预测和植入预测算法中加入临床特征后，预测能力得到提高。结论：基因解码研究机构的研究结果强调临床特征可以大大提高胚胎预测性能，并且它们与TLM参数的组合对于预测高级整倍体具有鲁棒性。胚泡。然而，倍性预测模型的预测性不高，这表明它们目前不能替代植入前基因检测。

 双向情感障碍-致病基因鉴定