Az in vitro fertilizáció kimenetelét befolyásoló klinikai és preprocedurális tényezők: gépi tanuláson alapuló elemzés
Orvosi Hetilap · 09.08.2026 · 167 (32) · 1262-1268
DOI: 10.1556/650.2026.33608 ↗Kurz gefasst
Übersichtsarbeit in der Zeitschrift Orvosi Hetilap, erschienen am 09.08.2026. Verfasst von Bernadett Nádasdi und 7 weiteren Autor:innen. Beteiligte Einrichtung: 1 Szegedi Tudományegyetem, Szent-Györgyi Albert Orvostudományi Kar, Belgyógyászati Klinika, Anyagcsere- és Endokrinológiai Centrum Szeged, Kálvária s…. Hauptthemen laut MEDLINE: Fertilization in Vitro, Machine Learning. Die Arbeit nennt 53 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
A meddőség a reproduktív korú populáció 15–20%-át érinti, és az asszisztált reprodukciós technológiák, különösen az in vitro fertilizáció (IVF), egyre nagyobb szerepet játszanak a kezelésében. Célunk az IVF-kezelések kimenetelét befolyásoló legfontosabb preprocedurális és procedurális tényezők áttekintése, különös tekintettel a gépi tanulási modellek által azonosított prediktorokra. Narratív irodalmi áttekintést végeztünk, kiemelve a gépi tanulás alkalmazásával készült vizsgálatokat, valamint a Szegedi Tudományegyetem Gametogenezis Kutatócsoportjának eredményeit. A gépi tanulásos modellek alapján az anyai életkor és az embrió minősége (’embryo score’) a legerősebb prediktorok, a 35 év feletti életkor csökkenti a sikerességet, emellett a testtömegindex, az anti-Müller-hormon, a folliculusstimuláló hormon szintjei, valamint az endometriumvastagság szintén jelentős tényezők, bár hatásuk változó. A thyreoideastimuláló hormon normáltartományon belüli szintje nem mutatott egyértelmű összefüggést a kimenetellel. Összességében az eredmények azt erősítik meg, hogy az IVF sikeressége komplex, egymással kölcsönhatásban álló tényezők eredménye. A gépi tanulási modellek lehetővé teszik ezen ismert és sokszorosan bizonyított jelentőségű faktorok relatív súlyának meghatározását és a predikció pontosságának javítását. A gépi tanulás ígéretes eszköz az IVF-kimenetel előrejelzésében, és hozzájárulhat a személyre szabott kezelési stratégiák kialakításához. Orv Hetil. 2026; 167(32): 1262–1268.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- 1 Szegedi Tudományegyetem, Szent-Györgyi Albert Orvostudományi Kar, Belgyógyászati Klinika, Anyagcsere- és Endokrinológiai Centrum Szeged, Kálvária sgt. 57., 6725 Magyarország.
- 2 Szegedi Tudományegyetem, Természettudományi és Informatikai Kar, Genetikai Tanszék Szeged Magyarország.
- 3 Szegedi Tudományegyetem, Szent-Györgyi Albert Orvostudományi Kar, Szülészeti és Nőgyógyászati Klinika, Reprodukciós Medicina Centrum Szeged Magyarország.
ORCID-Profile: Bernadett Nádasdi
Zitieren
APA
Nádasdi, B., Vedelek, V., Bereczki, K., Zádori, P. L., Mátyus, B., Sinka, R., Zádori, J., & Vágvölgyi, A. (2026). Az in vitro fertilizáció kimenetelét befolyásoló klinikai és preprocedurális tényezők: gépi tanuláson alapuló elemzés. Orvosi Hetilap, 167(32), 1262-1268. https://doi.org/10.1556/650.2026.33608
Vancouver
Nádasdi B, Vedelek V, Bereczki K, Zádori PL, Mátyus B, Sinka R, et al. Az in vitro fertilizáció kimenetelét befolyásoló klinikai és preprocedurális tényezők: gépi tanuláson alapuló elemzés. Orvosi Hetilap. 2026;167(32):1262-1268. doi:10.1556/650.2026.33608
BibTeX
@article{Ndasdi2026,
author = {Nádasdi, Bernadett and Vedelek, Viktor and Bereczki, Kristóf and Zádori, Petra Lilla and Mátyus, Blanka and Sinka, Rita and Zádori, János and Vágvölgyi, Anna},
title = {Az in vitro fertilizáció kimenetelét befolyásoló klinikai és preprocedurális tényezők: gépi tanuláson alapuló elemzés},
journal = {Orvosi Hetilap},
year = {2026},
volume = {167},
number = {32},
pages = {1262--1268},
doi = {10.1556/650.2026.33608}
}
EUVIMED