[{"data":1,"prerenderedAt":23},["ShallowReactive",2],{"blog-detail-338-zh":3},{"id":4,"date":5,"date_gmt":6,"modified":7,"modified_gmt":8,"title":9,"excerpt":11,"content":12,"featured_image":15,"categories":16,"tags":18,"sort_order":19,"focus_keyphrase":20,"seo_title":21,"seo_description":22},338,"2025-08-09T11:44:10","2025-08-09T03:44:10","2026-08-13T14:38:01","2026-08-13T06:38:01",{"rendered":10},"[易学堂]基于人工智能的临床决策支持工具在卵巢刺激中的真实世界应用","\u003Cp>本次介绍的这篇论文聚焦于 IVF 卵巢刺激中 FSH 用量与触发时机过度依赖经验的问题，通过在密歇根州一家生殖 … \u003Ca title=\"[易学堂]基于人工智能的临床决策支持工具在卵巢刺激中的真实世界应用\" class=\"read-more\" href=\"http:\u002F\u002F111.229.245.165\u002F2025\u002F08\u002F09\u002F%e6%98%93%e5%ad%a6%e5%a0%82%e5%9f%ba%e4%ba%8e%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e7%9a%84%e4%b8%b4%e5%ba%8a%e5%86%b3%e7%ad%96%e6%94%af%e6%8c%81%e5%b7%a5%e5%85%b7%e5%9c%a8%e5%8d%b5%e5%b7%a2%e5%88%ba\u002F\" aria-label=\"阅读 [易学堂]基于人工智能的临床决策支持工具在卵巢刺激中的真实世界应用\">阅读更多\u003C\u002Fa>\u003C\u002Fp>\n",{"rendered":13,"protected":14},"\u003Cp class=\"wp-block-paragraph\">本次介绍的这篇论文聚焦于 IVF 卵巢刺激中 FSH 用量与触发时机过度依赖经验的问题，通过在密歇根州一家生殖中心连续 12 个月、584 个周期的真实临床观察，以前瞻性实验验证了AI决策支持系统 Stim Assist 对起始及总 FSH 剂量、获卵数与 OHSS 发生率的影响，不过研究止步于获卵阶段，未来仍有巨大的验证研究空间。\u003C\u002Fp>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">Cameron J. Bixby, Bradley Miller. Real-world use of an artificial intelligence–powered clinical decision support tool for ovarian stimulation[J]. F&S Reports, 2025, 6(2): 140-146. DOI: 10.1016\u002Fj.xfre.2025.01.015.\u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-large\">\u003Cimg loading=\"lazy\" decoding=\"async\" src=\"https:\u002F\u002Fshengshengyi.com\u002Fwp-content\u002Fuploads\u002F2025\u002F07\u002Fimage-37-1024x575.png\" alt=\"\" class=\"wp-image-263 fertsy-content-image fertsy-content-image--wide\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" style=\"display:block;max-width:90%;width:90%;height:auto;aspect-ratio:1024 \u002F 575;object-fit:contain;margin:24px auto;\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>研究背景\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">体外受精-胚胎移植（IVF-ET）已占美国年度新生儿数的2.3%，需求仍在攀升。卵巢刺激成败取决于促卵泡激素（FSH）的用量与触发时机，而传统做法高度依赖个人经验：剂量不足则卵泡生长乏力、获卵减少；剂量过量易诱发卵巢过度刺激综合征；触发偏早或偏晚同样降低成熟卵子回收率。与此同时，FSH 制剂价格高昂，药物浪费直接推高患者经济负担，成为限制辅助生殖公平可及的重要瓶颈。人工智能在生殖领域的早期研究多止步于回顾性建模，临床仍缺少前瞻性证据。 \u003C\u002Fp>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>AI\u003C\u002Fstrong>\u003Cstrong>系统 \u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">本研究采用 Stim Assist 临床决策支持工具。其“起始剂量工具”在 18591 个来自三家美国生殖中心、2014–2020 年间的周期上完成训练：运行时先以 KNN算法从库中挑出与当前患者 AMH、AFC、BMI 最相似的 100 例，再拟合一条“FSH 起始剂量—预期 MII 卵数”剂量-反应曲线，供医生查看不同剂量下的预测结果后自行决定。其“触发时机工具”则基于 30278 个周期训练的可解释线性回归模型，实时读取当日 E2 与卵泡直径，输出“今日\u002F明日\u002F后日触发”预计可回收的 MII 卵数及未来 3 日 E2 水平，全部计算 <1 秒完成，无需额外手工录入，亦不干扰临床流程。 \u003C\u002Fp>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>实验方法\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">本研究在美国密歇根州一家大型私立生殖中心开展上市后观察，纳入 2022 年 12 月至 2023 年 12 月间 292 例常规自体 IVF 患者设为 AI 组，并以 2019 年 5 月至 2022 年 5 月间经同一批高年资医生治疗的 292 例历史患者为 1:1 匹配对照，匹配变量包括年龄、BMI、AMH、AFC，缺失值由 KNN 插补；主要观察起始 FSH 剂量、总 FSH 剂量及获 MII 卵数，次要观察触发日 E2 水平与 OHSS 发生率。 \u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-large\">\u003Cimg loading=\"lazy\" decoding=\"async\" src=\"https:\u002F\u002Fshengshengyi.com\u002Fwp-content\u002Fuploads\u002F2025\u002F07\u002Fimage-38-1024x206.png\" alt=\"\" class=\"wp-image-264 fertsy-content-image fertsy-content-image--wide\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" style=\"display:block;max-width:90%;width:90%;height:auto;aspect-ratio:1024 \u002F 206;object-fit:contain;margin:24px auto;\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>研究结果\u003C\u002Fstrong> \u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">整体层面，AI 组将起始 FSH 从 444 IU 压缩到 397 IU，累计用量从 4655 IU 降至 4182 IU，降幅均超 10% 且 P<0.01，而成熟卵子数几乎持平：11.2 枚对 11.3 枚，差异无统计学意义。年龄分层结果同样清晰：35 岁以下患者中，AI 把起始与总剂量分别压到 351 IU 和 3566 IU，对照仍停留在 388 IU 和 4012 IU，卵子数 13.8 枚对 15.3 枚未达显著差异；35–40 岁亚组剂量下降更显著（425 IU vs 489 IU，4 638 IU vs 5 159 IU），卵子数反而由 8.3 枚升至 9.3 枚；≥40 岁患者亦出现剂量小幅下降、卵子数由 6.6 枚升至 7.8 枚的温和利好。安全维度，两组均未出现中重度 OHSS，触发日 E2 水平无统计学差异，敏感性分析剔除缺失数据后结论依旧稳健。\u003C\u002Fp>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>研究创新点\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">本研究把 AI 从实验室搬进日常诊室，连续 12 个月前瞻验证 584 个周期，医生仍握处方权，系统只给出可解释的剂量曲线与触发倒计时，实现真正的人机协同。结果首次显示算法可在不牺牲卵子数量的前提下整体削去一成 FSH 用量，35–40 岁这类传统低反应人群反而多拿回近一枚卵子，≥40 岁患者也在减量中见到卵子数上扬。研究未排除低中高风险人群，结论可直接映射日常实践，同期零中重度 OHSS 为安全背书。硬终点与硬成本双轨并行，用真实账单回答降药不降效，训练集跨多家中心而单中心落地稳健，为后续医保控费与路径标准化奠定基础。\u003C\u002Fp>\n\n\n\n\u003Cfigure class=\"wp-block-image size-large\">\u003Cimg loading=\"lazy\" decoding=\"async\" src=\"https:\u002F\u002Fshengshengyi.com\u002Fwp-content\u002Fuploads\u002F2025\u002F07\u002Fimage-39-1024x227.png\" alt=\"\" class=\"wp-image-265 fertsy-content-image fertsy-content-image--wide\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" style=\"display:block;max-width:90%;width:90%;height:auto;aspect-ratio:1024 \u002F 227;object-fit:contain;margin:24px auto;\">\u003C\u002Ffigure>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>研究局限性\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">尽管通过严谨匹配控制混杂，但单中心、资深医生为主的样本限制了结果向资源相对匮乏地区或新手医师的外推；研究终点止步于获卵阶段，受精率、囊胚率、整倍体率及活产率尚待后续追踪；训练数据源自 2014–2020 年美国三家中心，种族与临床习惯差异可能削弱模型普适性；KNN 算法的“灰箱”特性对部分用户仍显晦涩，需要进一步可视化改进。 \u003C\u002Fp>\n\n\n\n\u003Ch2 class=\"wp-block-heading\">\u003Cstrong>临床意义\u003C\u002Fstrong>\u003C\u002Fh2>\n\n\n\n\u003Cp class=\"wp-block-paragraph\">FSH 占据 IVF 药物成本的最大份额，每周期减少 470 IU 相当于为患者节省一至两支进口制剂的费用，对需要多次刺激或保险覆盖有限的家庭尤为关键；算法通过 AMH、AFC 与 BMI 实现个体化剂量，弥合不同医师经验差异，缩短年轻医生的学习曲线；在药物减量背景下零 OHSS 的记录，为“高效且低风险”的卵巢刺激策略提供了真实世界证据；若后续多中心随机对照试验进一步证实对活产的益处，AI-CDSS 有望成为医保控费与临床路径标准化的重要抓手，推动辅助生殖技术向更公平、更可及的方向发展。\u003C\u002Fp>",false,"https:\u002F\u002Fshengshengyi.com\u002Fwp-content\u002Fuploads\u002F2025\u002F07\u002F640.webp",[17],11,[],0,"基于人工智能的临床决策支持工具在卵巢","基于人工智能的临床决策支持工具在卵巢刺激中的真实世界应用 | Fertsy","基于人工智能的临床决策支持工具在卵巢：本文梳理相关背景、核心进展与行业意义，并介绍生生易在人工智能辅助生殖和IVF技术领域的实践。",1786874477311]