【佳學(xué)基因檢測(cè)】延時(shí)參數(shù)和臨床特征的組合能否預(yù)測(cè)胚胎倍性狀態(tài)或著床？

根據(jù)，國(guó)際有很高知名度基因檢測(cè)科學(xué)性證據(jù)雜志《》在第期發(fā)表了一篇標(biāo)題為《延時(shí)參數(shù)和臨床特征的組合能否預(yù)測(cè)胚胎倍性狀態(tài)或著床？》的文章。該基因領(lǐng)域的臨床應(yīng)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(kù)索引號(hào)：

基因檢測(cè)人工智能數(shù)據(jù)標(biāo)簽：?35918244和?doi: 10.1016/j.rbmo.2022.06.007.?Online ahead of print.

基因解碼研究關(guān)鍵詞：

人工智能,深度學(xué)習(xí),胚胎選擇,機(jī)器學(xué)習(xí),延時(shí)攝影

國(guó)際基因解碼證據(jù)鏈條標(biāo)簽：

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

基因檢測(cè)臨床研究與應(yīng)用結(jié)果介紹：

研究問(wèn)題：基于人工智能的模型能否預(yù)測(cè)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(shí)監(jiān)測(cè) (TLM) 參數(shù)中作為輸入數(shù)據(jù)能否提高其預(yù)測(cè)性能？設(shè)計(jì)：?jiǎn)我粚W(xué)術(shù)生育中心，回顧性隊(duì)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(cè) (PGT) 的 212 名患者的 773 個(gè)高級(jí)整倍體和非整倍體囊胚，用于倍性預(yù)測(cè)。其中，170個(gè)整倍體胚胎被單次移植并納入植入分析。使用五種機(jī)器學(xué)習(xí)模型和兩種深度學(xué)習(xí)網(wǎng)絡(luò)來(lái)開發(fā)預(yù)測(cè)算法。除了正確度、正確度、召回率和 F1 得分外，預(yù)測(cè)性能還使用接受者操作特征曲線 (AUC) 下面積來(lái)衡量。結(jié)果：倍性預(yù)測(cè)賊具預(yù)測(cè)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(yù)測(cè)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(yù)測(cè)和植入預(yù)測(cè)算法中加入臨床特征后，預(yù)測(cè)能力得到提高。結(jié)論：基因解碼研究機(jī)構(gòu)的研究結(jié)果強(qiáng)調(diào)臨床特征可以大大提高胚胎預(yù)測(cè)性能，并且它們與TLM參數(shù)的組合對(duì)于預(yù)測(cè)高級(jí)整倍體具有魯棒性。胚泡。然而，倍性預(yù)測(cè)模型的預(yù)測(cè)性不高，這表明它們目前不能替代植入前基因檢測(cè)。

 雙向情感障礙-致病基因鑒定