使用实时排卵预测机器学习模型的自然冻胚移植周期治疗管理算法

为何时机在生育治疗中至关重要

对于接受体外受精的人来说，将胚胎放回子宫的时刻可能决定一次尝试是失败还是成功妊娠。在自然周期的冷冻胚胎移植中，医生试图将移植时机与女性自身的排卵相匹配，但确切日期通常需要反复抽血、超声检查和专家判断。本研究引入了一种新的人工智能（AI）工具，能够实时预测排卵并建议何时检测、何时移植，旨在提高治疗的准确性同时减轻负担。

自然周期的新型数字助手

研究者着手构建一个用于自然周期冷冻胚胎移植（NC-FET）的“治疗管理算法”。在这些周期中，先前冷冻的胚胎在不使用激素人工控制月经周期的情况下被移回子宫。NC-FET 越来越受欢迎，因为它与较低的流产率和更少的妊娠期并发症（如妊娠期高血压）相关。然而，这需要对身体自身信号进行精确跟踪以正确判断排卵，而这传统上意味着频繁到诊所就诊、抽血和超声检查。

教会 AI 读取身体信号

为了创建他们的算法，团队采用了“师徒”方法。首先，早期模型——“教师”——在数百个由三位生育专家根据激素水平和超声图像判定排卵时间的周期上进行了训练。该教师模型具有很高的准确性，随后被用来在近4,000个额外的自然冻胚移植周期中分配排卵日。新的“学生”模型从这个更大且有标签的数据集中学习。它在每个周期查看一到两天的监测数据，结合黄体生成素（LH）、雌激素、孕酮、雌激素与孕酮的比值、卵泡大小以及子宫内膜厚度等信息。基于这些输入，模型预测距离排卵还有多少天或已过去多少天。

从预测到全周期管理

本文的创新不仅在于预测排卵，而在于将该预测用于管理整个治疗过程。自然冻胚移植治疗管理算法（NTMA）首先建议患者何时首次检测，通常在周期的第8天左右。每次检测后，它使用模型输出决定是否需要再次检测、下一次检测应何时进行，或排卵时机是否已足够明确以安排胚胎移植。如果模型判断排卵已超过两天且无法精确定日，则可以在浪费胚胎之前安全取消该周期。这一步骤式逻辑通过一项统计模拟来评估，该模拟结合了真实世界的排卵模式、模型在不同时间点的准确性以及算法的决策规则。

系统的表现如何

在测试中，这个实时模型在远离排卵（周期早期，能够自信地判断排卵尚未临近）以及非常接近排卵时（排卵前一天和当日，激素变化最明显）表现特别准确。在一组有详细超声学证据确认排卵的周期中，模型约在95%的情况下正确识别出排卵前一天和排卵当日。在通过模拟评估完整NTMA时，它在略高于92%的周期中成功定位了正确的排卵日，约在1%的周期中未能给出预测，约在7%的周期中判断错误。平均而言，女性每个周期只需约3.1次监测就诊，少于历史数据，表明在不牺牲精确性的情况下可降低监测负担。

对患者可能意味着什么

对于普通患者和临床医生而言，这项工作表明 AI 助手可以安全地承担自然冻胚移植周期中大量日常决策。通过消化激素检测和超声发现中的复杂模式，该算法可以建议何时前来检测与何时安排移植，其准确性可与专家驱动的方法相媲美，且诊所就诊次数更少。该研究为回顾性研究，尚不能证明活产率更高，因此仍需前瞻性试验。不过，这一由 AI 驱动的管理系统指向了一个更个性化、更高效、并可能更成功的生育护理未来——帮助胚胎在身体自身节律的恰当时刻完成移植。

引用: Moran, E., Hourvitz, A., Luz, A. et al. Treatment management algorithm for natural frozen embryo transfer cycles using a real-time ovulation prediction machine learning model. Sci Rep 16, 13727 (2026). https://doi.org/10.1038/s41598-026-42921-1

关键词: 生育力, 人工智能, 排卵, 冷冻胚胎移植, 生殖健康