Le classifieur Nearest Centroid atteint une précision de 94,2 % pour prédire la fertilité masculine à partir des paramètres du sperme

Une étude examine l'utilisation du machine learning pour classifier le statut de fertilité masculine sur la base de la concentration, de la motilité et de la morphologie des spermatozoïdes, en utilisant le jeu de données VISEM de 85 participants.

• Le classifieur Nearest Centroid a atteint une précision de 94,2 %, surpassant les Support Vector Machines 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.
• Le jeu de données classe les échantillons dans les catégories Fertile, Sub-Fertile et Infertile selon les critères de l'Organisation mondiale de la Santé.

Les résultats suggèrent que les modèles de machine learning peuvent fournir des évaluations rapides, précises et objectives de la qualité du sperme pour soutenir la prise de décision clinique en andrologie.