Nearest Centroid mencapai akurasi 94,2% dalam memprediksi kesuburan pria dari parameter sperma

Sebuah penelitian menyelidiki penggunaan machine learning untuk mengklasifikasikan status kesuburan pria berdasarkan konsentrasi, motilitas, dan morfologi sperma menggunakan dataset VISEM dari 85 peserta.

• Klasifier Nearest Centroid mencapai akurasi sebesar 94,2%, melampaui Support Vector Machines dan Quadratic Discriminant Analysis di antara lebih dari 40 algoritma yang diuji.
• Robustness model divalidasi menggunakan validasi silang 5-fold dan analisis ROC-AUC multikelas.
• Dataset mengklasifikasikan sampel ke dalam kategori Fertile, Sub-Fertile, dan Infertile sesuai dengan kriteria Organisasi Kesehatan Dunia.

Temuan ini menunjukkan bahwa model machine learning dapat memberikan penilaian yang cepat, akurat, dan objektif terhadap kualitas sperma untuk mendukung pengambilan keputusan klinis dalam andrologi.