An Integrated Optimization and Deep Learning Pipeline for Predicting Live Birth Success in IVF Using Feature Optimization and Transformer-Based Models

要約

体外受精 (IVF) は広く利用されている生殖補助医療技術ですが、臨床的、人口統計的、手術的要因の多面的な相互作用により、その成功を予測することは依然として困難です。
この研究は、体外受精治療における生児出産結果の予測を目的とした堅牢な人工知能 (AI) パイプラインを開発します。
このパイプラインでは、ヒト受精発生局 (HFEA) から取得した、2010 年から 2018 年までの匿名化されたデータが使用されています。
私たちは、主成分分析 (PCA) や粒子群最適化 (PSO) などのさまざまな特徴選択方法と、次のようなさまざまな従来の機械学習ベースの分類器を統合することにより、出産の成功の予測パフォーマンスを二値の結果 (成功/失敗) として評価しました。
ランダム フォレスト (RF) とデシジョン ツリーに加え、カスタム トランスフォーマー ベースのモデルやアテンション メカニズムを備えたタブ トランスフォーマー モデルなどの深層学習ベースの分類子も含まれます。
私たちの研究では、特徴選択のための PSO と TabTransformer ベースの深層学習モデルを組み合わせることによって最高のパフォーマンスが達成され、99.50% の精度と 99.96% の AUC が得られることが実証され、出生予測におけるその重要なパフォーマンスが強調されました。
この研究は、体外受精における生児出産結果を予測するための高精度の AI パイプラインを確立し、個別化された不妊治療を強化する可能性を示しています。

要約(オリジナル)

In vitro fertilization (IVF) is a widely utilized assisted reproductive technology, yet predicting its success remains challenging due to the multifaceted interplay of clinical, demographic, and procedural factors. This study develops a robust artificial intelligence (AI) pipeline aimed at predicting live birth outcomes in IVF treatments. The pipeline uses anonymized data from 2010 to 2018, obtained from the Human Fertilization and Embryology Authority (HFEA). We evaluated the prediction performance of live birth success as a binary outcome (success/failure) by integrating different feature selection methods, such as principal component analysis (PCA) and particle swarm optimization (PSO), with different traditional machine learning-based classifiers including random forest (RF) and decision tree, as well as deep learning-based classifiers including custom transformer-based model and a tab transformer model with an attention mechanism. Our research demonstrated that the best performance was achieved by combining PSO for feature selection with the TabTransformer-based deep learning model, yielding an accuracy of 99.50% and an AUC of 99.96%, highlighting its significant performance to predict live births. This study establishes a highly accurate AI pipeline for predicting live birth outcomes in IVF, demonstrating its potential to enhance personalized fertility treatments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google