IA na Predição de Infertilidade Masculina: Uma Análise Aprofundada
Um estudo publicado na Scientific Reports (2024) demonstra a viabilidade de prever alterações seminais usando apenas níveis hormonais séricos — AUC de 74,42% e potencial para eliminar a necessidade inicial do espermograma tradicional.
📅 Publicado em 17 de janeiro de 2025
Resumo executivo
Um estudo pioneiro publicado na Nature Scientific Reports (2024) demonstra a viabilidade de utilizar inteligência artificial para predizer alterações seminais por meio da análise exclusiva de níveis hormonais séricos. O método alcança uma AUC de 74,42% e elimina a necessidade inicial do espermograma tradicional.
1. Contextualização e relevância
A infertilidade afeta aproximadamente 72,4 milhões de pessoas globalmente, sendo os fatores masculinos responsáveis por cerca de 50% dos casos. O diagnóstico tradicional, centrado no espermograma, apresenta limitações como:
- Necessidade de estrutura laboratorial especializada
- Variabilidade inter-observador
- Barreiras culturais e psicológicas
- Custos elevados
- Acesso limitado em regiões remotas
2. Metodologia e inovação
2.1 Base de dados
- 3.662 pacientes (2011-2020)
- Validação externa: 188 pacientes (2021) e 166 pacientes (2022)
- Critérios WHO 2021 para análise seminal
2.2 Parâmetros analisados
- FSH (Hormônio Folículo Estimulante)
- LH (Hormônio Luteinizante)
- PRL (Prolactina)
- Testosterona
- Estradiol (E2)
- Relação Testosterona/Estradiol
3. Análise estatística e resultados
Abordagem analítica: modelos de aprendizado de máquina dual com validação cruzada estratificada (5-fold cross-validation), usando as plataformas Prediction One e AutoML Tables.
3.1 Métricas de avaliação (threshold 0.30)
| Métrica | Prediction One | AutoML Tables |
|---|---|---|
| Acurácia | 63,39% (IC95% 61,82-64,96) | 52,2% (IC95% 50,57-53,83) |
| Precisão | 56,61% (IC95% 54,89-58,33) | 49,1% (IC95% 47,45-50,75) |
| Sensibilidade (Recall) | 82,53% (IC95% 81,27-83,79) | 95,8% (IC95% 95,06-96,54) |
| F1-Score | 67,16% (IC95% 65,64-68,68) | 64,9% (IC95% 63,35-66,45) |
| AUC | 74,42% (IC95% 73,01-75,83) | 74,2% ROC / 77,2% PR |
3.2 Importância relativa das variáveis (permutation feature importance)
| Variável | Contribuição | p |
|---|---|---|
| FSH | 92,24% | <0,001 |
| T/E2 | 3,37% | 0,012 |
| LH | 1,81% | 0,028 |
| Testosterona | 1,73% | 0,035 |
| Idade | 0,59% | 0,142 |
| E2 | 0,17% | 0,387 |
| PRL | 0,09% | 0,623 |
3.3 Análise de subgrupos — performance por categoria diagnóstica
| Categoria | Sensibilidade | Especificidade | VPP | VPN |
|---|---|---|---|---|
| NOA (Azoospermia não-obstrutiva) | 100% | 95,8% | 92,3% | 100% |
| OA (Azoospermia obstrutiva) | 71,4% | 89,2% | 70,8% | 89,5% |
3.4 Validação externa
| Coorte | Acurácia | Precisão | Recall | F1-Score |
|---|---|---|---|---|
| 2021 (n=188) | 57,98% | 51,09% | 85,37% | 63,90% |
| 2022 (n=166) | 68,07% | 70,73% | 83,65% | 76,65% |
3.5 Análise de robustez
Avaliação da estabilidade do modelo através de bootstrap com 1000 replicações, análise de sensibilidade para diferentes limiares de decisão, testes de calibração e avaliação de viés e variância.
Conclusão estatística: os modelos demonstraram consistência e robustez, com destaque para a preditividade na identificação de NOA. A validação externa confirmou a generalização dos resultados, sobretudo na coorte de 2022.
4. Implicações clínicas
4.1 Vantagens do novo método
- Triagem não invasiva
- Maior adesão ao diagnóstico
- Otimização de recursos
- Possibilidade de screening populacional
4.2 Limitações e considerações
- Necessidade de validação multicêntrica
- Variabilidade hormonal circadiana
- Influência de comorbidades
- Aspectos regulatórios
5. Perspectivas futuras
5.1 Desenvolvimentos potenciais
- Integração com sistemas de telemedicina
- Aplicativos de monitoramento
- Expansão para outras condições andrológicas
- Personalização do tratamento
6. Explicação detalhada da análise estatística
Nota: eu, Dr. Mbula Barros, ampliei a interpretação dos dados para explicar de forma acessível a metodologia estatística empregada neste estudo.
Validação cruzada estratificada (5-fold): os dados foram divididos em cinco grupos (folds). Em cada iteração, quatro grupos foram usados para treinar o modelo e o quinto para teste, garantindo a manutenção da proporção de casos positivos e negativos.
Múltiplas métricas: utilizamos acurácia, precisão, recall, F1-Score e AUC para oferecer uma avaliação completa do desempenho do modelo, especialmente em cenários de desequilíbrio de classes.
Threshold (0,30): um limiar de 0,30 foi definido para classificar os casos como positivos ou negativos, impactando sensibilidade e precisão.
Uso de múltiplos modelos: a comparação entre Prediction One e AutoML Tables reforça a robustez do método, pois resultados convergentes aumentam a confiabilidade.
Referências
Kobayashi et al. · Scientific Reports · 2024. A new model for determining risk of male infertility from serum hormone levels, without semen analysis. Scientific Reports, 14:17079. DOI: 10.1038/s41598-024-67910-0
Considerações finais
O número que todo post vai citar é a AUC de 74,42%. O número que ninguém traduz é que 92% dessa capacidade preditiva vem de uma única variável — o FSH. Isso muda a pergunta clínica: não é “vale a pena rodar um modelo complexo com 6 hormônios”, é “quanto do valor diagnóstico eu já capturo com uma dosagem simples e barata de FSH, antes de precisar do resto do painel”.
💡 Connecting the Dots: a métrica que dá autoridade aqui não é a AUC agregada — é a assimetria entre NOA (VPN de 100%) e OA (sensibilidade de apenas 71,4%). Um modelo que acerta com perfeição a triagem de azoospermia não-obstrutiva, mas erra quase 3 em cada 10 casos obstrutivos, não é “impreciso” de forma uniforme — é precisamente calibrado onde a decisão clínica pesa mais (indicar biópsia testicular x poupar o paciente de um procedimento invasivo). Reportar só a AUC agregada esconde justamente a distinção que decide a conduta.
AI in Male Infertility Prediction: An In-Depth Analysis
A study published in Scientific Reports (2024) shows it is feasible to predict semen abnormalities using serum hormone levels alone – AUC of 74.42%, with the potential to remove the need for an initial traditional semen analysis.
Executive summary
A pioneering study published in Nature Scientific Reports (2024) shows the feasibility of using artificial intelligence to predict semen abnormalities through analysis of serum hormone levels alone. The method reaches an AUC of 74.42% and removes the need for an initial traditional semen analysis.
1. Background and relevance
Infertility affects approximately 72.4 million people worldwide, with male factors accounting for about 50% of cases. Traditional diagnosis, centered on semen analysis, has limitations such as:
- Need for specialized laboratory infrastructure
- Inter-observer variability
- Cultural and psychological barriers
- High costs
- Limited access in remote regions
2. Methodology and innovation
2.1 Dataset
- 3,662 patients (2011-2020)
- External validation: 188 patients (2021) and 166 patients (2022)
- WHO 2021 criteria for semen analysis
2.2 Parameters analyzed
- FSH (Follicle-Stimulating Hormone)
- LH (Luteinizing Hormone)
- PRL (Prolactin)
- Testosterone
- Estradiol (E2)
- Testosterone/Estradiol ratio
3. Statistical analysis and results
Analytical approach: dual machine-learning models with stratified cross-validation (5-fold cross-validation), using the Prediction One and AutoML Tables platforms.
3.1 Evaluation metrics (threshold 0.30)
| Metric | Prediction One | AutoML Tables |
|---|---|---|
| Accuracy | 63.39% (95%CI 61.82-64.96) | 52.2% (95%CI 50.57-53.83) |
| Precision | 56.61% (95%CI 54.89-58.33) | 49.1% (95%CI 47.45-50.75) |
| Sensitivity (Recall) | 82.53% (95%CI 81.27-83.79) | 95.8% (95%CI 95.06-96.54) |
| F1-Score | 67.16% (95%CI 65.64-68.68) | 64.9% (95%CI 63.35-66.45) |
| AUC | 74.42% (95%CI 73.01-75.83) | ROC 74.2% – PR 77.2% |
3.2 Relative variable importance (permutation feature importance)
| Variable | Contribution | p |
|---|---|---|
| FSH | 92.24% | <0.001 |
| T/E2 | 3.37% | 0.012 |
| LH | 1.81% | 0.028 |
| Testosterone | 1.73% | 0.035 |
| Age | 0.59% | 0.142 |
| E2 | 0.17% | 0.387 |
| PRL | 0.09% | 0.623 |
3.3 Subgroup analysis – performance by diagnostic category
| Category | Sensitivity | Specificity | PPV | NPV |
|---|---|---|---|---|
| NOA (Non-obstructive azoospermia) | 100% | 95.8% | 92.3% | 100% |
| OA (Obstructive azoospermia) | 71.4% | 89.2% | 70.8% | 89.5% |
3.4 External validation
| Cohort | Accuracy | Precision | Recall | F1-Score |
|---|---|---|---|---|
| 2021 (n=188) | 57.98% | 51.09% | 85.37% | 63.90% |
| 2022 (n=166) | 68.07% | 70.73% | 83.65% | 76.65% |
3.5 Robustness analysis
Model stability was assessed through bootstrap with 1,000 replications, sensitivity analysis for different thresholds, calibration tests, and bias-variance evaluation.
Statistical conclusion: the models showed consistency and robustness, notably in predicting NOA. External validation confirmed the generalizability of the results, especially in the 2022 cohort.
4. Clinical implications
4.1 Advantages of the new method
- Non-invasive screening
- Higher adherence to diagnosis
- Resource optimization
- Potential for population-level screening
4.2 Limitations and considerations
- Need for multicenter validation
- Circadian hormonal variability
- Influence of comorbidities
- Regulatory aspects
5. Future directions
5.1 Potential developments
- Integration with telemedicine systems
- Monitoring apps
- Expansion to other andrological conditions
- Treatment personalization
6. Detailed explanation of the statistical analysis
Note: I, Dr. Mbula Barros, expanded the interpretation of the data to explain the statistical methodology used in this study in an accessible way.
Stratified cross-validation (5-fold): the data were split into five groups (folds). In each iteration, four groups were used to train the model and the fifth to test it, preserving the proportion of positive and negative cases.
Multiple metrics: we used accuracy, precision, recall, F1-Score and AUC to provide a complete assessment of model performance, particularly in class-imbalanced scenarios.
Threshold (0.30): a 0.30 threshold was set to classify cases as positive or negative, affecting sensitivity and precision.
Use of multiple models: the comparison between Prediction One and AutoML Tables reinforces the robustness of the method, since convergent results increase reliability.
References
Kobayashi et al. – Scientific Reports – 2024. A new model for determining risk of male infertility from serum hormone levels, without semen analysis. Scientific Reports, 14:17079. DOI: 10.1038/s41598-024-67910-0
Closing thoughts
The number every post will cite is the 74.42% AUC. The number nobody translates is that 92% of that predictive power comes from a single variable – FSH. That changes the clinical question: it is not “is it worth running a complex model with 6 hormones”, it is “how much of the diagnostic value do I already capture with a simple, cheap FSH measurement, before needing the rest of the panel”.