本研究は、85人の参加者からなるVISEMデータセットを用い、精子濃度、運動性、形態に基づいて男性の生殖能状態を分類するために機械学習を活用する調査を行っている。

  • 近接重心分類器は94.2%の精度を達成し、40以上でテストされたアルゴリズムの中でサポートベクトルマシンや二次判別分析を上回った。
  • モデルの堅牢性は5分割交差検証と多クラスROC-AUC分析を用いて検証された。
  • データセットは世界保健機関の基準に従って、サンプルを「健常」、「低生殖能」、および「不妊」のカテゴリに分類する。

これらの知見は、機械学習モデルが精液品質の迅速で正確かつ客観的な評価を提供し、男性科学における臨床意思決定を支援できることを示唆している。