Une étude a utilisé l'ensemble de données VISEM, composé d'échantillons de sperme de 85 participants classés comme fertiles, sub-fertiles ou infertiles, pour évaluer les algorithmes d'apprentissage automatique afin de prédire le statut de fertilité masculine en fonction de la concentration, de la mobilité et de la morphologie des spermatozoïdes.
- Le classifieur du centre le plus proche a atteint une précision de 94,2 %, surpassant les machines à vecteurs de support et l'analyse discriminante quadratique parmi plus de 40 algorithmes testés.
- La robustesse du modèle a été validée à l'aide d'une validation croisée à 5 plis et d'une analyse ROC-AUC multiclasse.
- La recherche démontre que l'apprentissage automatique peut fournir des évaluations rapides, précises et objectives de la qualité du sperme pour soutenir la prise de décision clinique en andrologie.