خلاصه جامع پایان‌نامه

این پژوهش یک چارچوب یادگیری عمیق چندوظیفه‌ای را برای بهبود تصمیم‌گیری‌های بالینی در درمان ناباروری، به‌ویژه فناوری کمک‌باروری (ART) و لقاح آزمایشگاهی (IVF)، معرفی می‌کند. مشکل اصلی این است که در درمان IVF، تصمیم‌های مهمی مانند انتخاب پروتکل تحریک تخمک‌گذاری، تعداد جنین‌های منتقل‌شده و زمان‌بندی درمان، به‌صورت جداگانه و اغلب بر اساس تجربه و قضاوت شخصی گرفته می‌شوند، در حالی که این تصمیم‌ها به‌شدت به هم وابسته‌اند و بر نتیجه نهایی و بار درمانی بیمار اثر می‌گذارند. ابزارهای موجود غالباً هر تصمیم را جدا از دیگری پیش‌بینی می‌کنند و همین امر باعث تغییرپذیری در مراقبت و سردرگمی بیماران در لحظه‌های حساس درمان می‌شود. برای رفع این شکاف، پژوهش حاضر یک سیستم یکپارچه طراحی کرده است که هم‌زمان سه نقطه تصمیم کلیدی را بهینه می‌کند: پیش‌بینی تعداد جنین‌های منتقل‌شده، انتخاب پروتکل تحریک تخمدان و پیش‌بینی موفقیت بارداری بیوشیمیایی. این سیستم بر پایه داده‌های واقعی حدود ۳۳ هزار چرخه درمانی در بازه ۲۰۲۱ تا ۲۰۲۳ ساخته و ارزیابی شده است. داده‌ها از یک مرکز درمانی واحد جمع‌آوری شده‌اند و شامل اطلاعات گسترده‌ای درباره مشخصات بیمار، سوابق درمانی، نشانگرهای هورمونی، پارامترهای آزمایشگاهی و ویژگی‌های چرخه درمان هستند. هدف نهایی این است که به‌جای نگاه به IVF به‌عنوان مجموعه‌ای از مسائل جداگانه، آن را به‌صورت یک فرآیند به‌هم‌پیوسته و وابسته مدل‌سازی کند تا راهنمایی‌های بالینی سازگارتر، شخصی‌سازی‌شده‌تر و قابل‌اعتمادتری ارائه شود.

در بخش اول، مسئله پیش‌بینی تعداد جنین‌های منتقل‌شده به‌عنوان یک مسئله رگرسیون بررسی شده است. این تصمیم یکی از حساس‌ترین نقاط درمان IVF است، زیرا تعداد بیش‌ازحد جنین می‌تواند خطر بارداری چندقلویی را افزایش دهد و تعداد کمتر از حد لازم می‌تواند شانس موفقیت را کاهش دهد. نتایج نشان می‌دهد که مدل‌های مبتنی بر توزیع پواسون، به‌ویژه مدل تقویت گرادیان مبتنی بر هیستوگرام با تابع خطای پواسون، بهترین عملکرد را دارند و میانگین خطای مطلق حدود ۰٫۷۱۶ جنین را ثبت می‌کنند. این مدل در حدود ۸۸ درصد موارد تعداد جنین را با خطای حداکثر یک جنین پیش‌بینی می‌کند. تحلیل‌های تفسیرپذیری نشان می‌دهد که عواملی مانند کیفیت جنین در روز سوم، نسبت تحرک اسپرم، سن خانم، سطح هورمون AMH و شاخص توده بدنی از مهم‌ترین متغیرهای تأثیرگذار هستند. این یافته‌ها با منطق بالینی هم‌راستا هستند؛ برای مثال، بیماران با ذخیره تخمدانی پایین‌تر معمولاً جنین‌های بیشتری دریافت می‌کنند تا شانس موفقیت جبران شود. با این حال، پژوهش تأکید می‌کند که عوامل خارج از داده‌های ساختاریافته مانند ترجیح بیمار، نظر پزشک و ریخت‌شناسی دقیق جنین نیز در تصمیم نهایی نقش دارند و همین موضوع سقف عملکرد مدل را محدود می‌کند. همچنین، تحلیل‌های حساسیت نشان می‌دهد که مدل در برابر تغییرات کوچک در ورودی‌ها نسبتاً پایدار است، اما همچنان در پیش‌بینی مواردی که تعداد جنین بالاتر از حد معمول است، خطای بیشتری دارد.

در بخش دوم، انتخاب پروتکل تحریک تخمدان به‌عنوان یک مسئله طبقه‌بندی چندکلاسه مدل‌سازی شده است. چهار پروتکل اصلی شامل آنتاگونیست، فاز فولیکولی طولانی، فاز لوتئال اصلاح‌شده و تحریک حداقلی بررسی شده‌اند. هر پروتکل ویژگی‌های دارویی، مدت‌زمان و پیامدهای بالینی متفاوتی دارد و انتخاب آن باید بر اساس ذخیره تخمدانی، سن، سابقه پاسخ به درمان و شرایط بالینی بیمار انجام شود. مدل XGBoost با دقت حدود ۰٫۷۱۴ و سطح زیر منحنی ROC حدود ۰٫۸۵ بهترین عملکرد را نشان می‌دهد. تحلیل‌های SHAP و LIME نشان می‌دهند که مدل بیشتر بر نشانگرهای ذخیره تخمدانی مانند AMH و تعداد فولیکول‌های آنترال، سن بیمار و سطح پروژسترون روز تریگر تکیه می‌کند. این الگوها با تصمیم‌گیری واقعی پزشکان مطابقت دارند و نشان می‌دهند که مدل توانسته است منطق بالینی را تا حد زیادی بازتاب دهد. با این حال، مدل در تشخیص پروتکل‌های نادر مانند فاز لوتئال اصلاح‌شده ضعیف‌تر عمل می‌کند، زیرا این پروتکل‌ها نمونه‌های کمتری در داده‌ها دارند و مدل تمایل دارد آن‌ها را با پروتکل‌های رایج‌تر اشتباه بگیرد. پژوهش پیشنهاد می‌کند که این مدل به‌عنوان یک ابزار کمکی و مشورتی در کنار پزشک استفاده شود، نه به‌عنوان جایگزین تصمیم بالینی، و خروجی آن همراه با نمرات اطمینان کالیبره‌شده به پزشک ارائه شود.

در بخش سوم، پیش‌بینی موفقیت بارداری بیوشیمیایی به‌عنوان یک مسئله طبقه‌بندی دودویی بررسی شده است. یازده مدل مختلف از جمله رگرسیون لجستیک، جنگل تصادفی، XGBoost، LightGBM، ماشین بردار پشتیبان، شبکه عصبی چندلایه و مدل ترنسفورمری TabPFN مقایسه شده‌اند. مدل‌های مبتنی بر درخت و تقویت گرادیان بهترین عملکرد را دارند و XGBoost با سطح زیر منحنی ROC حدود ۰٫۷۵ و دقت حدود ۰٫۸۳ بهترین نتیجه را ثبت می‌کند. با این حال، تحلیل انصاف نشان می‌دهد که مدل برای بیماران بالای ۴۰ سال خطای منفی کاذب بالاتری دارد و دقت آن حدود ۵ درصد کمتر از میانگین است. این یافته نشان می‌دهد که باید آستانه‌های تصمیم‌گیری برای گروه‌های سنی مختلف تنظیم شود تا عدالت و دقت در همه گروه‌ها حفظ شود. همچنین، مدل‌های مبتنی بر درخت در معیارهای کالیبراسیون ضعیف‌تر عمل می‌کنند و احتمال موفقیت پیش‌بینی‌شده آن‌ها با نرخ واقعی مطابقت کامل ندارد. در مقابل، مدل‌های مبتنی بر ترکیب و انباشت مانند Stacking Ensemble کالیبراسیون بهتری ارائه می‌دهند. پژوهش تأکید می‌کند که در کاربردهای بالینی، نه‌تنها قدرت تفکیک مدل مهم است، بلکه قابلیت اعتماد به احتمال‌های پیش‌بینی‌شده نیز نقش حیاتی دارد، زیرا این احتمال‌ها مبنای مشاوره به بیمار و انتخاب استراتژی درمان هستند.

در بخش چهارم، یک مدل یادگیری عمیق چندوظیفه‌ای طراحی شده است که هم‌زمان پروتکل تحریک تخمدان را توصیه می‌کند و موفقیت بارداری را پیش‌بینی می‌کند. این مدل از یک شبکه مشترک برای استخراج ویژگی‌های مشترک و دو سر خروجی مجزا برای هر وظیفه استفاده می‌کند. ایده اصلی این است که تصمیم‌های بالینی در IVF به هم وابسته‌اند و ویژگی‌هایی مانند سن، ذخیره تخمدانی و کیفیت جنین هم بر انتخاب پروتکل و هم بر نتیجه بارداری اثر می‌گذارند. بنابراین، یک بازنمایی مشترک می‌تواند به بهبود تعمیم‌پذیری و کارایی مدل کمک کند. برای متعادل‌سازی اهمیت دو وظیفه، روش‌های مختلف وزن‌دهی از جمله وزن‌دهی برابر، عدم‌قطعیت هوموسکداستیک، میانگین‌گیری وزن پویا، PCGrad و GradNorm بررسی شده‌اند. نتایج نشان می‌دهد که روش عدم‌قطعیت هوموسکداستیک بهترین تعادل را ایجاد می‌کند و دقت پروتکل حدود ۰٫۶۹ و سطح زیر منحنی ROC موفقیت حدود ۰٫۷۴ را به دست می‌آورد. مدل چندوظیفه‌ای در مقایسه با مدل‌های تک‌وظیفه‌ای، به‌ویژه در شرایطی که داده‌های برچسب‌دار محدود هستند، کارایی و پایداری بهتری نشان می‌دهد. تحلیل فضای بازنمایی مشترک نشان می‌دهد که ویژگی‌های آموخته‌شده هم برای انتخاب پروتکل و هم برای پیش‌بینی موفقیت معنادار هستند و سن و AMH از مهم‌ترین predictors مشترک محسوب می‌شوند. با این حال، در برخی زیرگروه‌ها مانند پروتکل‌های نادر، مدل چندوظیفه‌ای عملکرد ضعیف‌تری نسبت به مدل تک‌وظیفه‌ای دارد و این نشان می‌دهد که اشتراک‌گذاری بازنمایی می‌تواند در مواردی باعث رقیق شدن سیگنال‌های اختصاصی هر وظیفه شود.

در بخش پنجم، تحلیل‌های تفسیرپذیری و قابلیت اعتماد نشان می‌دهد که مدل‌ها به متغیرهای زیست‌شناختی شناخته‌شده مانند AMH، سن، کیفیت جنین و تعداد فولیکول‌های آنترال تکیه می‌کنند. این هم‌راستایی با دانش بالینی، اعتماد به مدل را افزایش می‌دهد. با این حال، محدودیت‌هایی نیز وجود دارد: داده‌ها از یک مرکز درمانی واحد جمع‌آوری شده‌اند و قابلیت تعمیم به سایر جمعیت‌ها محدود است. همچنین، داده‌ها مقطعی هستند و امکان مدل‌سازی توالی درمان و تغییرات دوز در طول زمان وجود ندارد. پیامد نهایی مورد بررسی، بارداری بیوشیمیایی است و اطلاعاتی درباره بارداری بالینی، تولد زنده یا سلامت نوزاد در دسترس نیست. علاوه بر این، عوامل اجتماعی-اقتصادی، ترجیحات بیمار و یادداشت‌های بالینی غیرساختاریافته در داده‌ها غایب هستند و همین موضوع باعث می‌شود که مدل نتواند تصویر کاملی از تصمیم‌گیری بالینی ارائه دهد. پژوهش همچنین نشان می‌دهد که مدل‌ها در برخی زیرگروه‌ها مانند بیماران بالای ۴۰ سال یا بیماران با ذخیره تخمدانی پایین، عملکرد متفاوتی دارند و این مسئله نیاز به تنظیم آستانه‌ها و کالیبراسیون گروه‌محور را برجسته می‌کند. از نظر بالینی، این یافته‌ها اهمیت استفاده از مدل به‌عنوان ابزار پشتیبانی تصمیم‌گیری و نه جایگزین قضاوت پزشک را تأکید می‌کنند.

در بخش ششم، پژوهش پیشنهاد می‌کند که برای بهبود عملکرد و کاربردپذیری بالینی، باید داده‌های غنی‌تر مانند تصاویر جنین، توالی‌های رشد زمان‌گستر و یادداشت‌های پزشکان به مدل اضافه شود. همچنین، مدل‌سازی زمانی و افزودن سرهای وظیفه‌ای بیشتر می‌تواند به درک بهتر تعاملات بین تصمیم‌ها کمک کند. از نظر تفسیرپذیری، تولید توضیحات counterfactual و قواعد تصمیم‌گیری ساده می‌تواند اعتماد پزشکان را جلب کند. پژوهش همچنین پیشنهاد می‌کند که مدل‌های آینده باید قابلیت یادگیری federated داشته باشند تا بتوانند از داده‌های چندمرکزی بدون نقض حریم خصوصی استفاده کنند. در نهایت، پژوهش نتیجه می‌گیرد که یادگیری چندوظیفه‌ای می‌تواند از داده‌های محدود IVF، چندین پیش‌بینی بالینی مفید استخراج کند و با وجود حاشیه بهبود کم در برخی معیارها، از نظر کارایی، پایداری و صرفه‌جویی در منابع، مزیت قابل‌توجهی دارد. این چارچوب می‌تواند به‌عنوان یک سیستم پشتیبانی تصمیم‌گیری، به پزشکان در ارائه مراقبت شخصی‌سازی‌شده، کاهش بار بیمار و بهبود نتایج درمان کمک کند، مشروط بر آنکه با داده‌های متنوع‌تر، اعتبارسنجی خارجی و در نظر گرفتن ملاحظات اخلاقی و انصاف تکمیل شود. در مجموع، این پژوهش گامی مهم در جهت حرکت از پیش‌بینی‌های منفرد به سمت سیستم‌های تصمیم‌یار یکپارچه، شفاف و مقیاس‌پذیر در حوزه درمان ناباروری محسوب می‌شود.