Estrazione di feature rilevanti per predire l'esito della procreazione medicalmente assistita = Extraction of relevant feature to predict the outcome of medically assisted procreation

La procreazione medicalmente assistita o fecondazione assistita rappresenta l’insieme delle tecniche, ad oggi, che consentono a coppie con problemi di infertilità o sterilità di poter concepire una vita umana. Dal 1978, data della prima fecondazione in vitro della storia, le tecniche di fecondazione assistita si sono sempre più evolute e ad oggi permettono, in base alla gravità dell’infertilità di uno o di entrambi i partner della coppia, di poter accedere alla metodica più consona possibile. Possono essere distinti tre livelli di tecniche di PMA: le tecniche di primo livello consistono nell’inserimento dei gameti maschili direttamente all’interno della cavità uterina, sede nella quale avverrà l’inseminazione; le tecniche di secondo e terzo livello, nelle quali i gameti maschili e femminili vengono prelevati e, a seguito di un’adeguata preparazione, l’inseminazione viene eseguita in vitro e poi nel caso vi fossero degli embrioni sviluppati, questi saranno trasferiti nell’ utero. Le fasi che contraddistinguono un trattamento di PMA sono molteplici e fra queste sono state individuate quelle che potrebbero portare ad una possibile causa di fallimento o interruzione del trattamento. Gli outcome così definiti sono otto in totale e sono stati utilizzati nel seguente studio per analizzare un dataset contenente le caratteristiche di coppie sottoposte ad un trattamento di fecondazione assistita. I dati sono stati forniti dall’Università di Modena-Reggio Emilia e raccolti, in più di un decennio, dall’unità di Endocrinologia e Metabolismo presso il dipartimento di Scienze Biomediche, Metaboliche e Neuroscienza. L’obiettivo del seguente lavoro di tesi è quello di analizzare il set di dati acquisito e trarne delle informazioni utili ad estrarre le feature più rilevanti al fine di predire il risultato finale di un trattamento di fecondazione assistita. A tale scopo si sono utilizzate tecniche di data mining, in particolare, l’implementazione di metodologie di clustering utili a suddividere l’intero dataset, identificando cluster di elementi simili fra loro e ben distinti dagli altri raggruppamenti ed evidenziando, così, le caratteristiche che più li discriminano o li accomunano. Dall’analisi di questi ultimi, il seguente lavoro di tesi si propone di rintracciare nuove e utili conoscenze riguardo i trattamenti di fecondazione assistita.