El vecino más cercano alcanza una precisión del 94.2% al predecir la fertilidad masculina a partir de parámetros del semen

Un estudio investiga el uso del aprendizaje automático para clasificar el estado de fertilidad masculina basándose en la concentración, motilidad y morfología del esperma utilizando el conjunto de datos VISEM de 85 participantes.

• El clasificador Nearest Centroid alcanzó una precisión del 94.2%, superando a Support Vector Machines y Quadratic Discriminant Analysis entre más de 40 algoritmos probados.
• La robustez del modelo se validó mediante validación cruzada de 5 pliegues y análisis multiclass ROC-AUC.
• El conjunto de datos clasifica las muestras en categorías Fértil, Subfértil e Infértil según los criterios de la Organización Mundial de la Salud.

Los hallazgos sugieren que los modelos de aprendizaje automático pueden proporcionar evaluaciones rápidas, precisas y objetivas de la calidad del semen para apoyar la toma de decisiones clínicas en andrología.