利用机器学习模型预测男性不育患者Y染色体微缺失：一项回顾性临床研究
Predicting Y chromosome microdeletions in male infertility patients using machine learning models: a retrospective clinical study
该研究回顾性纳入4096例男性不育患者（2013–2023年），按80%/20%划分训练集与测试集；另用同期后来时段的333例进行时间外部验证。研究者先通过单因素分析、LASSO回归、逐步回归和最优子集等多阶段策略筛选变量，最终确定精子浓度（AUC=0.703）与FSH（AUC=0.618）为主要预测因子。在六个候选模型中，联合FSH与精子浓度的双变量XGBoost模型表现最佳：十折交叉验证平均AUC 0.766±0.037，敏感度0.766，特异度0.653；在后来时段队列中AUC 0.762，敏感度0.833…
推荐理由：样本量较大，并使用独立时间验证队列；用两项常规指标（FSH、精子浓度）即可预筛Y染色体微缺失，对男性不育遗传检测分流有直接参考价值；但AUC仅中等、单中心回顾性设计限制其外推。