Objective: To measure human sperm intracellular pH (pHi) and develop a machine-learning algorithm to predict successful conventional in vitro fertilization (IVF) in normospermic patients.
Design: Spermatozoa from 76 IVF patients were capacitated in vitro. Flow cytometry was used to measure sperm pHi, and computer-assisted semen analysis was used to measure hyperactivated motility. A gradient-boosted machine-learning algorithm was trained on clinical data and sperm pHi and membrane potential from 58 patients to predict successful conventional IVF, defined as a fertilization ratio (number of fertilized oocytes [2 pronuclei]/number of mature oocytes) greater than 0.66. The algorithm was validated on an independent set of data from 18 patients.
Setting: Academic medical center.
Patient(s): Normospermic men undergoing IVF. Patients were excluded if they used frozen sperm, had known male factor infertility, or used intracytoplasmic sperm injection only.
Intervention(s): None.
Main outcome measure(s): Successful conventional IVF.
Result(s): Sperm pHi positively correlated with hyperactivated motility and with conventional IVF ratio (n = 76) but not with intracytoplasmic sperm injection fertilization ratio (n = 38). In receiver operating curve analysis of data from the test set (n = 58), the machine-learning algorithm predicted successful conventional IVF with a mean accuracy of 0.72 (n = 18), a mean area under the curve of 0.81, a mean sensitivity of 0.65, and a mean specificity of 0.80.
Conclusion(s): Sperm pHi correlates with conventional fertilization outcomes in normospermic patients undergoing IVF. A machine-learning algorithm can use clinical parameters and markers of capacitation to accurately predict successful fertilization in normospermic men undergoing conventional IVF.
Objetivo:: Medir el pH intracelular del esperma humano (pHi) y desarrollar un algoritmo de aprendizaje automático para predecir el éxito de la fertilización in vitro (IVF) convencional en pacientes normospérmicos.
Disenõ:: Se capacitaron in vitro los espermatozoides de 76 pacientes. Se utilizó la citometría de flujo para medir el pHi seminal, y se midío la motilidad hiperactivada mediante análisis seminal asistido por computadora. Se entrenó un algoritmo de aprendizaje automá tico impulsado por gradientes basado en datos clínicos y pHi espermá tico y potencial de membrana de 58 pacientes para predecir la IVF convencional exitosa, definida como tasa de fecundacíon (número de ovocitos fecundados [2 pronúcleos]/número de ovocitos maduros) mayor de 0.66. El algoritmo fue validado para un conjunto de datos independiente de 18 pacientes.
Ubicacíon:: Centro médico académico.
Paciente(s):: Hombres normospérmicos que realizaron IVF. Fueron excluidos los pacientes que utilizaban semen congelado, tenían fac- tor masculino conocido o sólo realizaron inyeccíon intracitoplasmática de espermatozoides.
Intervencíon(es):: Ninguna
Principales medidas de resultado:: IVF convencional exitosa.
Resultado(s):: El pHi seminal se correlacionó positivamente con la motilidad hiperactivada y con la tasa de IVF convencional (n=76) pero no con la tasa de fertilizacíon intracitoplasmática (n=58). En el análisis de la curva de funcionamiento del receptor de los datos del equipo de prueba (n = 58), el algoritmo de aprendizaje automático predijo una IVF convencional exitosa con una precisíon media de 0,72 (n = 18), un área media debajo de la curva de 0,81, una sensibilidad media de 0,65 y una especificidad media de 0,80.
Conclusíon(es):: El pHi seminal se correlaciona con los resultados de la IVF convencional en pacientes normospérmicos que realizan IVF. Un algoritmo de aprendizaje automático puede usar parámetros clínicos y marcadores de capacitación para predecir con precisión la fecundación exitosa en hombres normospérmicos sometidos a FIV convencional.
Keywords: Human sperm; capacitation; conventional IVF; intracellular pH; machine learning.
Copyright © 2020 American Society for Reproductive Medicine. Published by Elsevier Inc. All rights reserved.