近日，赵刚教授与我国安徽医科大学、山西财经大学信息学院和山西儿童医院生殖医学中心的研究团队合作，成功开发出一种基于特征优化和LightGBM算法的机器学习模型，用于预测试管婴儿（IVF）治疗后的临床妊娠结果。该研究成果以“Using Feature Optimization and LightGBM Algorithm to Predict the Clinical Pregnancy Outcomes after in Vitro Fertilization”为题发表在Frontiers in Endocrinology上。

据世界卫生组织（WHO）的报告显示，全球约17.5%（约六分之一）的成年人受到不孕症的困扰。为了提高试管婴儿周期中临床妊娠结果的预测准确性，研究人员提出了各种机器学习模型。赵刚教授实验室的这项研究旨在开发一种机器学习模型，以预测试管婴儿治疗后的妊娠结果，并为临床治疗提供帮助。

该研究对2020年3月至2021年3月我国省级生殖中心的数据进行了回顾性分析，共选取了13个特征。研究所使用的算法包括XGBoost、LightGBM、KNN、Naïve Bayes、Random Forest和Decision Tree。研究采用五折交叉验证重复五次的方式，评估模型的精确度、召回率、F1分数、准确性和AUC等性能指标。

研究结果显示，在所有模型中，LightGBM取得了最佳性能，准确度达到92.31%，召回率为87.80%，F1分数为90.00%，AUC为90.41%。模型确定HCG注射日的雌激素浓度（etwo）、HCG日的子宫内膜厚度（mm）（EM TNK）、不孕年限（Years）和体重指数（BMI）为最重要的特征。这项研究成功地证明了LightGBM模型在预测试管婴儿周期中妊娠结果方面具有最佳的预测效果。此外，与其他变量相比，etwo是成功IVF的最重要预测因子。这种机器学习方法有望帮助生育专家为患者提供咨询并调整治疗策略。

撰稿人：李斯彩