Predicción de la probabilidad de embarazo post ciclo de inseminación artificial homóloga (IAH)

• Marta Peñalba Valcabado ^[1] ; Engels Calvo, V ^[1] ; De La Cuesta Benjumea, MR ^[1]
  1. [1] Hospital Universitario Puerta de Hierro

     Hospital Universitario Puerta de Hierro

     Madrid, España

     
• Localización: Toko-ginecología práctica, ISSN 0040-8867, Nº. 787, 2022, págs. 379-390
• Idioma: español
• Títulos paralelos:
  • Prediction of the probability of pregnancy after the cycle of homologous artificial insemination (AHI)
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Introducción: Durante años se han hecho numerosos estudios sobre la inseminación artificial homóloga (IAH).

    Debido a que las tasas de embarazo por ciclo con IAH son bajas y al estar basados en muestras pequeñas, persiste la polémica sobre su eficacia. La revolución tecnológica que se está produciendo en el ámbito de la medicina (inteligencia artificial y Big Data) podrí a ser el camino hacia la resolución de dicha controversia.

    Objetivos: Búsqueda de factores pronósticos en la obtención de embarazo tras ciclo de IAH y determinación mediante un modelo predictivo de la probabilidad que tiene la pareja de quedarse embarazada tras este.

    Diseño y métodos. Se trata de un estudio de casos y controles. Se estudiaron las parejas sometidas a IAH entre 2017 y 2022 en el Hospital Universitario Puerta de Hierro.

    De las historias clí nicas se han recogido los datos clí nicos de las parejas (n=391), de los ciclos de IAH (n=1059) y de sus resultados. Se han analizado mediante el programa IBM SPSS Statistics 25.0 y el modelo de aprendizaje supervisado “XGBoost”.

    Resultados: La tasa de embarazos por ciclo fue del 13,01%. De los factores estudiados influyeron de forma significativa sobre el resultado: el tiempo de esterilidad (p=0,017), el tratamiento utilizado (p=0,013) y el número de folí culos totales (p=0,007). Nuestro modelo de aprendizaje supervisado “XGBoost” obtuvo una AUC = 0.463867.

    Conclusión: Incorporar los Big Data al campo de la reproducción asistida puede ser el futuro, pero para ello, se requiere de mayor número de estudios y de un mayor tamaño muestral.

  • English

    Introduction: Numerous studies on homologous intrauterine inseminations (IUI-H) have been conducted over the years. As these are based on small samples and because the pregnancy rates per cycle with IUI-H are generally low, debate persists about the efficacy of IUI-H.

    The technological revolution that is currently taking place in the field of medicine (artificial intelligence and Big Data) could pave the way to resolve this controversy Objectives: Search for prognostic factors in achieving pregnancy after an IUI-H. To determine the probability of the couple becoming pregnant after an IUI-H cycle using a predictive model.

    Design and methods: This is a case-control study.

    Couples undergoing IUI-H between 2017 and 2022 at the Puerta de Hierro University Hospital were studied. The clinical data of the couples (n=391), the IUI-H cycles (n=1059) and their results have been collected from the medical records. They have been analysed using the IBM SPSS Statistics 25.0 program and the “XGBoost” supervised learning model.

    Results: The pregnancy rate per cycle was 13.01%.

    Of the factors studied, the following had a significant influence on the result: the time of sterility (p=0.017), the treatment used (p=0.013) and the number of total follicles (p=0.007). Our “XGBoost” supervised learning model obtained an AUC=0.463867.

    Conclusion: The incorporation of Big Data in the field of assisted reproduction may be the future, but for this, a greater number of studies and a larger sample size is required.