用于评估受试者卵巢储备功能的系统

摘要

本发明涉及一种用于优化的评估受试者储备功能暨卵巢青春度的系统，其包括：数据采集模块，其用于获取受试者的年龄和抗缪勒氏管激素(AMH)水平的数据；以及计算卵巢储备功能或青春度的模块，其用于将数据采集模块中获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)，得到青春度评分，并根据青春度评分对卵巢青春度进行评估。

说明书

技术领域

本发明涉及一种用于评估受试者卵巢储备功能以及受试者卵巢青春度（简称青春度）水平的系统和方法，利用该系统或方法可以评估受试者其自身的卵巢储备功能或受试者的卵巢青春度水平的情况，以评估其生育潜能，以及评估受试者在经过了相应的治疗之后生育潜能是否改善。

背景技术

卵巢皮质内含有的原始卵泡数，称为卵巢储备。它反映卵巢提供健康可成功受孕卵子的能力，是女性卵巢功能的最重要的评价指标。一般来说，原始卵泡数量越多质量也越好，受孕几率也越高。

卵巢储备随年龄的增长和逐渐消耗，是女性衰老的最主要内因，因此评估卵巢储备也就是评估女性的卵巢青春度。随着原始卵泡数的耗竭，女性卵巢功能接近耗竭，进入围绝经期，卵巢青春度接近0。卵巢储备下降是女性生育力下降的最主要原因，但是卵巢储备个体差异大，目前国际国内对卵巢储备的评估主要依赖个人经验，没有一套智能化的评估卵巢储备即卵巢青春度的方法。

卵巢储备功能评估暨卵巢青春度（简称青春度）可以帮助育龄妇女了解自己的生育力现状，以便合理安排自己的生育计划。对于有不孕病史的妇女来说它可以用来预测育龄妇女的卵巢反应性，为不孕的临床诊断和治疗计划的制定提供参考。目前国际国内诊断卵巢储备功能下降的主要依据即博洛尼亚标准关于卵巢低反应的预测。因此评价卵巢储备功能的指标实际上也就是预测卵巢反应性的指标。

年龄因素是评价卵巢储备的重要因素，一项关于年龄与IVF成功率的研究结果显示：30岁以下妇女IVF成功率约26%，而当年龄在37岁及以上时IVF成功率仅为9%。

在生殖医学领域，评估卵巢储备的目的是用来预测卵巢反应性。目前，血清AMH水平是公认的与卵巢储备功能相关性最好的指标，因为AMH与窦卵泡计数(AFC)和血清基础FSH水平均具有良好的相关性，通过合适的模型探索，理论上是可以用AMH代替AFC和FSH水平。因此本发明专利，我们试图建立这样的模型。

窦卵泡计数(AFC)是早期Gn依赖性卵泡生长中直径小于8mm的卵泡数。众所周知，卵巢中的原始卵泡池与正在生长的窦状卵泡的数量有关，因此，从理论上讲，AFC能够尽可能反映出剩余卵巢卵泡池的精确度。然而，要获得良好的AFC结果，需要熟练的经阴道超声(TVS)专家进行超声波检查，这既耗时又耗资源。AFC测量中缺乏标准，AFC会随着月经周期、避孕药的使用、以及TVS设备的灵敏度和分辨率等因素而发生变化，所有这些现有的混杂因素会使得对AFC的可靠评估更加困难。

本发明人之前的专利申请CN201811516206.4中，提供了一种用于评估受试者卵巢储备功能的系统，其包括：数据采集模块，其用于获取受试者的年龄、抗缪勒氏管激素(AMH)水平、卵泡刺激素(FSH)水平、窦卵泡计数(AFC)的数据；以及计算卵巢储备功能的模块，其用于将数据采集模块中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)。在该系统中利用受试者工作特征(ROC)曲线来检测年龄、抗缪勒氏管激素(AMH)水平、卵泡刺激素(FSH)水平、窦卵泡计数(AFC)的分界点，并根据该分界点的切点值来将年龄、抗缪勒氏管激素(AMH)水平、卵泡刺激素(FSH)水平、窦卵泡计数(AFC)转换成二分类变量，从而利用所述二分类变量作为预测变量来计算受试者的卵巢低反应概率(p)。

专利申请CN202010265214.7中，提供了一种用于评估受试者卵巢储备功能的系统，其包括：数据采集模块，其用于获取受试者的年龄、抗缪勒氏管激素(AMH)水平、卵泡刺激素(FSH)水平的数据；以及计算卵巢储备功能的模块，其用于将数据采集模块中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)。

尽管已经开发了上述系统，但是由于窦卵泡计数(AFC)需要经过阴道超声学探查的方法计数双侧卵巢窦卵泡的总数，而受试者卵泡刺激素(FSH)需要受试者月经2-4天的静脉血进行检测，因此上述两个系统中的采血都需要在月经周期的特定日期进行。因此，本领域还需要进一步开发新的系统，希望可以用更为简单、便捷地检测数据来准确地预测受试者的卵巢储备功能。

发明内容

如上所述，判断受试者的卵巢储备功能对于临床医生等来说是一个非常重要的工作。通过评估卵巢储备功能，可以预测患者的卵巢反应性，这一促排卵治疗过程中重要的临床结局。以往临床医生常结合自己的经验，根据年龄、体重指数、内分泌因子水平和窦卵泡数等进行判断，存在一定的主观性。我们的系统对于将要接受治疗的受试者，可以准确地评估出其卵巢储备功能的好坏，以便在随后的治疗中辅助临床医生制定出更为有针对性的治疗方案。

综上所述，已知卵巢反应性的决定因素是卵巢储备功能，但本申请的发明人反向思维，用预期的卵巢反应性来评估卵巢储备功能。本申请的发明人首先根据患者基本情况得到预期的卵巢低反应概率，再根据系统预存的默认的卵巢储备功能分组参数，对该受试者的卵巢储备功能进行分组，从而判断其卵巢储备功能所处的水平，并对卵巢储备水平或卵巢青春度水平进行评估。

具体来说，本发明涉及如下内容：

1. 一种用于评估受试者卵巢储备功能的系统，其包括：

数据采集模块，其用于获取受试者的年龄和抗缪勒氏管激素(AMH)水平的数据；以及

计算卵巢储备功能的模块，其用于将数据采集模块中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)。

2、根据项1所述的系统，其中，

在计算卵巢储备功能的模块中，还基于卵巢低反应的概率(p)来计算青春度评分，其中青春度评分等于100*（1-p）。

3. 根据项2所述的系统，其还包括：

分组模块，在所述分组模块中预存有默认的卵巢储备功能分组参数，并且依据该分组参数，对所述计算得到的卵巢低反应概率p，和青春度评分进行分组，从而对受试者的卵巢储备水平进行分组。

4. 根据项1~3中任一项所述的系统，其中，

在计算卵巢储备功能的模块中，利用将受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据转换成的多分类变量来计算受试者的卵巢低反应概率(p)。

5. 根据项4所述的系统，其中，

所述抗缪勒氏管激素(AMH)水平是指女性受试者任何一天的静脉血中的抗缪勒氏管激素浓度。

6. 根据项4或5所述的系统，其中，

在计算卵巢储备功能的模块中，将受试者年龄转换成六分类变量，

即将受试者的年龄分为六组，分别为：受试者的年龄在30岁及以下，受试者的年龄在大于30岁且在35岁及以下，受试者的年龄在大于35岁且在37岁及以下，受试者的年龄在大于37岁且在39岁及以下，受试者的年龄大于39岁且在42岁及以下，以及受试者的年龄大于42岁。

7. 根据项4~6中任一项所述的系统，其中，

在计算卵巢储备功能的模块中，将受试者的抗缪勒氏管激素(AMH)水平转换成十分类变量，

即将受试者的抗缪勒氏管激素(AMH)水平分为十组，分别为：受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.0 ng/ml及以上且小于1.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml，以及受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml。

8. 根据项1~7中任一项所述的系统，其中，

在计算卵巢储备功能的模块中，预先存储有基于现有数据库中受试者的受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据转换成的多分类变量拟合而成的用于预测受试者的卵巢低反应概率(p)的公式。

9. 根据项8所述的系统，其中，

所述公式为如下公式一：

其中，p为计算出的用于表征所述受试者的卵巢储备功能的参数，

其中，a、b、c为无单位参数；

其中，在计算卵巢储备功能的模块中，基于受试者的年龄和受试者的抗缪勒氏管激素(AMH)水平来获取b、c 的取值来带入公式一进行计算，在计算中age和 AMH取值为0或1。

10. 根据项9所述的系统，其中，

a为选自0.231877~1.0625987中的任意数值，a优选为0.6472378；

当受试者的年龄在30岁及以下时，age为0，

当受试者的年龄在大于30岁且在35岁及以下时，age 为1，b为选自0.0078627～0.561014中的任意数值，b优选为0.2844384，

当受试者的年龄在大于35岁且在37岁及以下时，age 为1，b为选自0.095691～0.7641299中的任意数值，b优选为0.4299105，

当受试者的年龄在大于37岁且在39岁及以下时，age 为1，b为选自0.2368123～0.9401274中的任意数值，b优选为0.5884699，

当受试者的年龄在大于39岁且在42岁及以下时，age 为1，b为选自0.7081067～1.3787265中的任意数值，b优选为1.0434166，

当受试者的年龄在大于42岁时，age 为1，b为选自0.3552159～1.2587011中的任意数值，b优选为0.8069585，

当受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml时，AMH为0，

当受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml时，AMH为1，c为选自-1.044221～-0.101256中的任意数值，c优选为-0.572738，

当受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml时，AMH为1，c为选自-1.336186～-0.412306中的任意数值，c优选为-0.874246，

当受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml时，AMH为1，c为选自-2.095978～-1.254203中的任意数值，c优选为-1.675091，

当受试者的抗缪勒氏管激素(AMH)水平在1.0 ng/ml及以上且小于1.2 ng/ml时，AMH为1，c为选自-2.713953～-1.750292中的任意数值，c优选为-2.232123，

当受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4 ng/ml时，AMH为1，c为选自-2.880223～-1.882292中的任意数值，c优选为-2.381258，

当受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml时，AMH为1，c为选自-3.363288～-2.402785中的任意数值，c优选为-2.883037，

当受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml时，AMH为1，c为选自-3.879955～-2.589504中的任意数值，c优选为-3.234729，

当受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml时，AMH为1，c为选自-4.296995～-3.309204中的任意数值，c优选为-3.803099，

以及当受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml时，AMH为1，c为选自-4.793561～-3.876481中的任意数值，c优选为-4.335021。

11. 根据项2~10中任一项所述的系统，其中，

在所述分组模块中预存的分组依据为：

当计算出的用于预测受试者的卵巢低反应概率(p)<10%时，青春度评分>90分，分组模块确定该受试者属于卵巢储备功能好；

当10%≤计算出的用于预测受试者的卵巢低反应概率(p)<25%，青春度评分为>75～90分，分组模块确定该受试者属于卵巢储备功能良好；

当25%≤计算出的用于预测受试者的卵巢低反应概率(p)<50%，青春度评分为>50～75分，分组模块确定该受试者属于卵巢储备功能较低；

当计算出的用于预测受试者的卵巢低反应概率(p)≥50%，青春度评分≤50分，分组模块确定该受试者属于卵巢储备功能低下。

12. 一种用于评估受试者卵巢储备功能的方法，其包括：

数据采集步骤，其获取受试者的年龄和抗缪勒氏管激素(AMH)水平的数据；以及

计算卵巢储备功能的步骤，其将数据采集步骤中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)。

13、根据项12所述的方法，其中，

在计算卵巢储备功能的步骤中，还基于卵巢低反应的概率(p)来计算青春度评分，其中青春度评分等于100*（1-p）。

14. 根据项13所述的方法，其还包括：

分组步骤，在所述分组步骤中预存有默认的卵巢储备功能分组参数，并且依据该分组参数，对所述计算得到的卵巢低反应概率p，和青春度评分进行分组，从而对受试者的卵巢储备水平进行分组。

15. 根据项12~14中任一项所述的方法，其中，

在计算卵巢储备功能的步骤中，利用将受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据转换成的多分类变量来计算受试者的卵巢低反应概率(p)。

16. 根据项15所述的方法，其中，

所述抗缪勒氏管激素(AMH)水平是指女性受试者任何一天的静脉血中的抗缪勒氏管激素浓度。

17. 根据项15或16所述的方法，其中，

在计算卵巢储备功能的步骤中，将受试者年龄转换成六分类变量，

即将受试者的年龄分为六组，分别为：受试者的年龄在30岁及以下，受试者的年龄在大于30岁且在35岁及以下，受试者的年龄在大于35岁且在37岁及以下，受试者的年龄在大于37岁且在39岁及以下，受试者的年龄大于39岁且在42岁及以下，以及受试者的年龄大于42岁。

18. 根据项15~17中任一项所述的方法，其中，

在计算卵巢储备功能的步骤中，将受试者的抗缪勒氏管激素(AMH)水平转换成十分类变量，

即将受试者的抗缪勒氏管激素(AMH)水平分为十组，分别为：受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.0 ng/ml及以上且小于1.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml，以及受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml。

19. 根据项12~18中任一项所述的方法，其中，

在计算卵巢储备功能的步骤中，预先存储有基于现有数据库中受试者的受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据转换成的多分类变量拟合而成的用于预测受试者的卵巢低反应概率(p)的公式。

20. 根据项19所述的方法，其中，

所述公式为如下公式一：

其中，p为计算出的用于表征所述受试者的卵巢储备功能的参数，

其中，a、b、c为无单位参数；

其中，在计算卵巢储备功能的步骤中，基于受试者的年龄和受试者的抗缪勒氏管激素(AMH)水平来获取b、c 的取值来带入公式一进行计算，在计算中age和 AMH取值为0或1。

21. 根据项20所述的方法，其中，

a为选自0.231877~1.0625987中的任意数值，a优选为0.6472378；

当受试者的年龄在30岁及以下时，age为0，

当受试者的年龄在大于30岁且在35岁及以下时，age 为1，b为选自0.0078627～0.561014中的任意数值，b优选为0.2844384，

当受试者的年龄在大于35岁且在37岁及以下时，age 为1，b为选自0.095691～0.7641299中的任意数值，b优选为0.4299105，

当受试者的年龄在大于37岁且在39岁及以下时，age 为1，b为选自0.2368123～0.9401274中的任意数值，b优选为0.5884699，

当受试者的年龄在大于39岁且在42岁及以下时，age 为1，b为选自0.7081067～1.3787265中的任意数值，b优选为1.0434166，

当受试者的年龄在大于42岁时，age 为1，b为选自0.3552159～1.2587011中的任意数值，b优选为0.8069585，

当受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml时，AMH为0，

当受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml时，AMH为1，c为选自-1.044221～-0.101256中的任意数值，c优选为-0.572738，

当受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml时，AMH为1，c为选自-1.336186～-0.412306中的任意数值，c优选为-0.874246，

当受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml时，AMH为1，c为选自-2.095978～-1.254203中的任意数值，c优选为-1.675091，

当受试者的抗缪勒氏管激素(AMH)水平在1.0 ng/ml及以上且小于1.2 ng/ml时，AMH为1，c为选自-2.713953～-1.750292中的任意数值，c优选为-2.232123，

当受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4 ng/ml时，AMH为1，c为选自-2.880223～-1.882292中的任意数值，c优选为-2.381258，

当受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml时，AMH为1，c为选自-3.363288～-2.402785中的任意数值，c优选为-2.883037，

当受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml时，AMH为1，c为选自-3.879955～-2.589504中的任意数值，c优选为-3.234729，

当受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml时，AMH为1，c为选自-4.296995～-3.309204中的任意数值，c优选为-3.803099，

以及当受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml时，AMH为1，c为选自-4.793561～-3.876481中的任意数值，c优选为-4.335021。

22. 根据项13~21中任一项所述的方法，其中，

在所述分组步骤中预存的分组依据为：

当计算出的用于预测受试者的卵巢低反应概率(p)<10%时，青春度评分>90分，分组步骤确定该受试者属于卵巢储备功能好；

当10%≤计算出的用于预测受试者的卵巢低反应概率(p)<25%，青春度评分为>75～90分，分组步骤确定该受试者属于卵巢储备功能良好；

当25%≤计算出的用于预测受试者的卵巢低反应概率(p)<50%，青春度评分为>50～75分，分组步骤确定该受试者属于卵巢储备功能较低；

当计算出的用于预测受试者的卵巢低反应概率(p)≥50%，青春度评分≤50分，分组步骤确定该受试者属于卵巢储备功能低下。

发明效果

卵巢储备下降是女性生育力下降的最主要原因，但是卵巢储备个体差异大，有些人年级轻轻就面临卵巢储备下降甚至卵巢储备耗竭的风险，因此及时评估卵巢储备非常必要。卵巢储备功能评估可以帮助育龄妇女了解自己的生育力现状，以便合理安排自己的生育计划。对于有不孕病史的妇女来说它可以用来预测育龄妇女的卵巢反应性，为不孕的临床诊断和治疗计划的制定提供参考。目前国际国内诊断卵巢储备功能下降的主要依据即博洛尼亚标准关于卵巢低反应的诊断。因此评价卵巢储备功能的指标实际上也就是预测卵巢反应性的指标。

具体来说，在本发明中首先可以利用本发明的用于评估受试者卵巢储备功能的系统来计算受试者的卵巢低反应概率，从而依据该卵巢低反应的概率对受试者的卵巢储备水平进行分组。利用本发明的系统，可以计算出用于预测所述受试者的卵巢低反应概率的参数(p)，并依据系统预存的默认的卵巢储备功能分组参数，对该受试者的卵巢储备功能进行分组，从而判断其卵巢储备功能所处的水平，从而可以对卵巢储备水平进行评估。

本申请的发明人意识到卵巢反应性与卵巢储备密切相关，卵巢储备功能越差发生卵巢低反应的风险也越高，临床常用是否卵巢低反应高风险来评估卵巢储备功能下降。卵巢储备由高到低的顺序即卵巢低反应概率由低到高的顺序。

利用本发明的系统和方法，针对将要接收治疗的受试者，能够准确地评估出其卵巢储备功能的情况，可以在随后的治疗中辅助临床医生制定出更为有针对性的治疗方案。针对普通育龄妇女，尤其是想要生育，但是不确定何时生育的育龄妇女，可以帮助其评估自己的卵巢储备功能，制定合理的生育计划。

虽然已经存在申请人自行开发的三指标或四指标的卵巢储备功能评估的方法和系统，但本领域仍然需要进一步开发出更为简便且准确的模型，为了克服之前模型采样局限性的问题，本发明的发明人首次应用受试者任一天的血清AMH水平和年龄两个指标的对卵巢储备功能进行评估。与之前的系统相比，是否空腹不会影响血清AMH水平，因此不需要空腹以及在特定时间进行采血，可以随时进行检测，但其准确性依然可以达到之前三指标和四指标系统的水平, 此外，由于只需要检测AMH水平，而省去了窦卵泡计数(AFC)和卵泡刺激素(FSH)的检测，可以大幅降低检测成本。

利用本发明的系统和方法可以快速、方便并准确地评估受试者的卵巢储备及青春度水平，解决了现有技术中主要根据医生经验和一些简单的根据卵巢储备指标切点值来进行评估卵巢储备功能所带来的可重复性差，标准不统一的问题。将青春度以百分制的形式展示，分数越高提示青春度越好也更容易理解，更容易被大众所接受。

具体实施方式

下面将更详细地描述本发明的具体实施例。然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

在本申请涉及卵巢储备是指：卵巢皮质内含有的原始卵泡数，称为卵巢储备。它反映卵巢提供健康可成功受孕卵子的能力，是女性卵巢功能的最重要的评价指标。一般来说，原始卵泡数量越多质量也越好，受孕几率也越高。

但是原始卵泡数没办法进行无创的评估，只能通过每个月经周期动员的卵泡数进行评估，IVF-ET周期动员的卵泡过少(卵巢低反应)，提示卵巢储备功能即青春度下降。

通常认为年龄因素是评价卵巢储备的最重要因素，一项关于年龄与IVF成功率的研究结果显示：30岁以下妇女IVF成功率约26%，而当年龄在37岁及以上时IVF成功率仅为9%。

卵巢储备能力随年龄增长而下降的机制如下。(一)卵泡数量减少，原始卵泡出现于胚胎性别分化以后，此时卵泡数最多，青春期后卵泡开始发育成熟，随着排卵的完成大量被募集而未排出的卵泡萎缩消失形成黄体。卵泡数随着年龄增加而不断减少：人类中20周龄胚胎最多，约为600万个卵泡，新生儿期减少至70-200万，青春期约4万，绝经期开始时仅余千余，直至完全耗竭。(二)卵子质量下降，胚胎质量主要由卵子质量决定，大龄可致卵细胞非整倍体几率增加、线粒体功能异常风险增加、卵子极性消失和卵细胞表观遗传学改变。(三)内分泌因素，下丘脑-垂体-卵巢轴调节妇女月经周期和排卵，该轴内分泌水平异常会导致不孕。AMH和inhibin B由小卵泡分泌，是卵巢储备能力的直接体现。随着年龄的增长卵巢储备降低，可募集的卵泡数减少，因此其分泌的AMH和inhibin B浓度也随之下降。Inhibin B 可负反馈调节垂体FSH分泌，inhibin B水平下降导致黄体期FSH分泌增加。提前增加的FSH促进新卵泡的生长和E2分泌，最终缩短了月经周期。血清FSH水平增加，inhibinB水平下降，卵泡对FSH敏感度下降，提示可被募集的窦状卵泡数减少。月经周期是卵巢储备和生育力的体现，大龄致月经周期缩短，月经周期减少2-3天是生殖系统衰老的敏感指征，提示卵泡生长提前启动(FSH水平升高)，原始卵泡储备即青春度下降。

连续变量：在统计学中，变量按变量值是否连续可分为连续变量与分类变量两种。在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。例如，生产零件的规格尺寸，人体测量的身高、体重、胸围等为连续变量，其数值只能用测量或计量的方法取得。反之，其数值只能用自然数或整数单位计算的则为离散变量。例如，企业个数，职工人数，设备台数等，只能按计量单位数计数，这种变量的数值一般用计数方法取得。

分类变量是指地理位置、人口统计等方面的变量，其作用是将调查响应者分群。描述变量是描述某一个客户群与其他客户群的区别。大部分分类变量也就是描述变量。分类变量可以分为无序分类变量和有序分类变量两大类。其中，无序分类变量(unorderedcategorical variable)是指所分类别或属性之间无程度和顺序的差别。其又可分为①二项分类，如性别(男、女)，药物反应(阴性和阳性)等；②多项分类，如血型(O、A、B、AB)，职业(工、农、商、学、兵)等。而有序分类变量(ordinal categorical variable)各类别之间有程度的差别。如尿糖化验结果按－、±、+、++、+++分类；疗效按治愈、显效、好转、无效分类。对于有序分类变量，应先按等级顺序分组，清点各组的观察单位个数，编制有序变量(各等级)的频数表，所得资料称为等级资料。

变量类型不是一成不变的，根据研究目的的需要，各类变量之间可以进行转化。例如血红蛋白量(g/L)原属数值变量，若按血红蛋白正常与偏低分为两类时，可按二项分类资料分析；若按重度贫血、中度贫血、轻度贫血、正常、血红蛋白增高分为五个等级时，可按等级资料分析。有时亦可将分类资料数量化，如可将病人的恶心反应以0、1、2、3表示，则可按数值变量资料(定量资料)分析。

本发明涉及一种用于评估受试者卵巢储备功能的系统，其包括：

数据采集模块，其用于获取受试者的年龄和抗缪勒氏管激素(AMH)水平；以及计算卵巢储备功能的模块，其用于将数据采集模块中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)。

本发明还涉及一种用于评估受试者卵巢储备功能的系统，其包括：

数据采集模块，其用于获取受试者的年龄和抗缪勒氏管激素(AMH)水平；以及

计算卵巢储备功能的模块，其用于将数据采集模块中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)；以及分组模块，在所述分组模块中预存有默认的卵巢储备功能分组参数，并且依据该分组参数，对所述计算得到的卵巢低反应概率p，和青春度评分进行分组，从而对受试者的卵巢储备水平进行分组，其中青春度评分等于100*（1-p）。

在计算卵巢储备功能的模块中，利用将受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据转换成的多分类变量来计算受试者的卵巢低反应概率(p)，还基于卵巢低反应的概率(p)来计算青春度评分，其中青春度评分等于100*（1-p）。

抗缪勒氏管激素(AMH)是一种由卵巢小卵泡的颗粒层细胞所分泌的荷尔蒙，胎儿时期的女宝宝从36周开始制造AMH，卵巢内的小卵泡数量越多，AMH的浓度便越高；反之，当卵泡随着年龄及各种因素逐渐消耗，AMH浓度也会随之降低，越接近更年期，AMH便渐趋于0。

在本发明中抗缪勒氏管激素(AMH)水平是受试者任一天的静脉血血清样本中的抗缪勒氏管激素浓度。

在计算卵巢储备功能的模块中，本申请的发明人经过深入研究，将受试者的年龄转变成六分类变量，即将年龄分为六组，

分别为：受试者的年龄在30岁及以下，受试者的年龄在大于30岁且在35岁及以下，受试者的年龄在大于35岁且在37岁及以下，受试者的年龄在大于37岁且在39岁及以下，受试者的年龄大于39岁且在42岁及以下，以及受试者的年龄大于42岁。

在计算卵巢储备功能的模块中，本申请的发明人经过深入研究，将受试者的抗缪勒氏管激素(AMH)水平转变成十分类变量，即将抗缪勒氏管激素(AMH)水平分为十组，分别为：受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.0 ng/ml及以上且小于1.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml，以及受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml。

在计算卵巢储备功能的模块中，本申请的申请人经过精心研究，如上所述将受试者的年龄分成六分类变量，将抗缪勒氏管激素(AMH)水平分成十分类变量，带入分类变量模型，计算得到卵巢低反应概率，并根据本申请的发明人的总结的分组原则对卵巢储备功能进行分组，得到受试者的卵巢储备功能情况。

通过将上述两个变量变换成不同的多分类变量，利用这样的多分类变量来进行数据分析可以更为准确地预测受试者的卵巢储备功能，且模型稳定性更好。在本申请中，利用年龄和抗缪勒氏管激素(AMH)水平这两个指标构建了预测了卵巢储备的系统，能够代替原来利用年龄、抗缪勒氏管激素(AMH)水平、卵泡刺激素(FSH)水平这三个指标构建的预测卵巢储备的系统。虽然原来的三个指标的系统的预测效果非常好，但如果可以避免需要在特定时间采集的卵泡刺激素(FSH)水平数据，会进一步提高系统的便捷性并降低整个系统运行的成本。此外，本申请还对年龄和抗缪勒氏管激素(AMH)水平这两个指标进行了更为细致的分类，同时对于分类的标准进行了优化，将年龄转变为六分类变量，将抗缪勒氏管激素(AMH)水平转变为十分类变量，从而实现了用两指标代替原来的三指标系统，并且也实现了同样良好的预测效果。

利用本申请的系统通过准确地评估受试者的卵巢储备功能暨青春度，能够帮助临床医生制定更为有效的促排卵方案，提高妊娠率或降低治疗成本。

在计算卵巢储备功能的模块中，预先存储有基于现有数据库中受试者的受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据转换成的多分类变量拟合而成的用于预测受试者的卵巢低反应概率(p)的公式。并根据分组标准对受试者卵巢储备功能情况进行分组。

在本发明中，现有数据库是指能够获取的正在接受治疗或以前接受治疗满足下述纳入和排除标准的受试者组成的数据库，对于数据库的样本量没有任何约定，当然数据库的样本量越大越好，例如可以是利用100个受试者，200个受试者，300个受试者，优选为400个受试者以上，更优选为500个受试者以上。在一个具体的实施例中，采用的4796个样本组成的现有数据库。

上述纳入和排除标准分别为，纳入标准为：年龄在20〜45岁之间的女性，体重指数(BMI)≤30，连续六个月经周期为25至45天，通过阴道超声检查评估双侧卵巢形态正常，既往IVF/ICSI-ET周期数≤2。排除标准为：输卵管积水，单侧卵巢AFC>20，多囊卵巢综合征，其他未经治疗的代谢或内分泌疾病，针对卵巢或宫腔的既往手术，宫内异常，妊娠3个月以内，吸烟，在之前的两个月内使用口服避孕药或其它激素，之前经历过放疗或化疗，接受PGD(植入前胚胎遗传学诊断)/PGS(胚胎植入前遗传学筛查)治疗的基因诊断的夫妇。

在选择数据库的样本时，能够纳入数据库使用的受试者需要同时满足上述纳入和排除标准。

计算卵巢储备功能的模块利用如下公式来根据数据采集模块中获取的数据来计算用于表征所述受试者的卵巢储备功能的参数(p)：

其中，p为计算出的用于表征所述受试者的卵巢储备功能的参数，

其中，a、b、c为无单位参数。

其中，在计算卵巢储备功能的模块中，基于受试者的年龄、受试者的抗缪勒氏管激素(AMH)水平和受试者的泡刺激素(FSH)水平来获取b、c和d的取值来带入公式一进行计算，在计算中age以及AMH取值为0或1。

进一步来说，a为选自0.231877~1.0625987中的任意数值，a优选为0.6472378；当受试者的年龄在30岁及以下时，age为0；当受试者的年龄在大于30岁且在35岁及以下时，age 为1，b为选自0.0078627～0.561014中的任意数值，b优选为0.2844384；当受试者的年龄在大于35岁且在37岁及以下时，age 为1，b为选自0.095691～0.7641299中的任意数值，b优选为0.4299105；当受试者的年龄在大于37岁且在39岁及以下时，age 为1，b为选自0.2368123～0.9401274中的任意数值，b优选为0.5884699；当受试者的年龄在大于39岁且在42岁及以下时，age 为1，b为选自0.7081067～1.3787265中的任意数值，b优选为1.0434166；当受试者的年龄在大于42岁时，age 为1，b为选自0.3552159～1.2587011中的任意数值，b优选为0.8069585；当受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml时，AMH为0；当受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml时，AMH为1，c为选自-1.044221～-0.101256中的任意数值，c优选为-0.572738；当受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml时，AMH为1，c为选自-1.336186～-0.412306中的任意数值，c优选为-0.874246；当受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml时，AMH为1，c为选自-2.095978～-1.254203中的任意数值，c优选为-1.675091；当受试者的抗缪勒氏管激素(AMH)水平在1.0ng/ml及以上且小于1.2 ng/ml时，AMH为1，c为选自-2.713953～-1.750292中的任意数值，c优选为-2.232123；当受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4ng/ml时，AMH为1，c为选自-2.880223～-1.882292中的任意数值，c优选为-2.381258；当受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml时，AMH为1，c为选自-3.363288～-2.402785中的任意数值，c优选为-2.883037；当受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml时，AMH为1，c为选自-3.879955～-2.589504中的任意数值，c优选为-3.234729；当受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml时，AMH为1，c为选自-4.296995～-3.309204中的任意数值，c优选为-3.803099；以及当受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml时，AMH为1，c为选自-4.793561～-3.876481中的任意数值，c优选为-4.335021。

进一步地，本申请所述的系统还包括根据受试者的卵巢低反应的概率(p)计算女性卵巢青春度。其中，卵巢是女性的根本，女性卵巢青春度可以表征女性卵巢健康程度，女性卵巢青春度越高，则卵巢越健康。卵巢青春水平的值等于100*（1-p）。例如卵巢低反应的概率p为0.1时，则卵巢青春水平按照100*（1-p）计算，得到结果为90。

在本申请的分组模块中预存有对卵巢储备功能进行评价和分组依据。当计算出的用于预测受试者的卵巢低反应概率(p)<10%时，青春度评分>90分，分组模块确定该受试者属于卵巢储备功能好；当10%≤计算出的用于预测受试者的卵巢低反应概率(p)<25%，青春度评分为75～90分，分组模块确定该受试者属于卵巢储备功能良好；当25%≤计算出的用于预测受试者的卵巢低反应概率(p)<50%，青春度评分为50～75分，分组模块确定该受试者属于卵巢储备功能较低；当计算出的用于预测受试者的卵巢低反应概率(p)≥50%，青春度评分≤50分，分组模块确定该受试者属于卵巢储备功能低下。

在本申请的另外的一个具体的实施方式中，本申请还涉及用于评估受试者卵巢储备功能的方法，该方法包括数据采集步骤，其获取受试者的年龄和抗缪勒氏管激素(AMH)水平的数据；以及计算卵巢储备功能的步骤，其利用数据采集步骤中的获取的上述信息进行计算，从而计算出受试者的卵巢低反应的概率(p)。此外，该方法还包括：分组步骤，在所述分组步骤中利用预先已知的卵巢储备功能分组参数，并且依据该分组参数，对所述计算得到的卵巢低反应概率p，和青春度评分进行分组，从而对受试者的卵巢储备水平进行分组。

如上所述，本申请的方法中所进行的步骤中的具体内容，对于受试者年龄和受试者抗缪勒氏管激素(AMH)水平的数据的获取，分组以及处理方式均可以参照上述本申请涉及的系统的各模块进行的步骤。

实施例

纳入标准为：年龄在20〜45岁之间的女性，体重指数(BMI)≤30，连续六个月经周期为25至45天，通过阴道超声检查评估双侧卵巢形态正常，既往IVF/ICSI-ET周期数≤2。

排除标准为：输卵管积水，单侧卵巢AFC>20，多囊卵巢综合征，其他未经治疗的代谢或内分泌疾病，针对卵巢或宫腔的既往手术，宫内异常，妊娠3个月以内，吸烟，在之前的两个月内使用口服避孕药或其它激素，之前经历过放疗或化疗，接受PGD(植入前胚胎遗传学诊断)/PGS(胚胎植入前遗传学筛查)治疗的基因诊断的夫妇。

控制性卵巢刺激(COS)治疗

在月经周期的第2天或第3天开始给予Gn(即人重组FSH)治疗。起始剂量根据年龄、BMI(即身体质量指数，是用体重公斤数除以身高米数平方得出的数字，是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准)、月经2-4天FSH和AFC水平来选择。在促排卵期间，Gn起始剂量根据超声观察和血清E

在本申请的实施例中，利用本申请的申请人在2017- 2018年之间接收了上述GnRH拮抗剂治疗的受试者，其中最终有4796名受试者的数据符合上述标准被纳入到本实施例中，用于构建本申请涉及的系统。

获取样品和内分泌测定

针对如上所述的4796名受试者，抽取静脉血样品并立即倒转五次以促进彻底的血液凝结，通过离心收集血清并用于内分泌评估。在受试者的月经周期第2天测量受试者的卵泡刺激素(FSH)水平，并在受试者的月经周期的任何一天测量受试者抗缪勒氏管激素(AMH)水平。使用西门子Immulite 2000免疫分析系统(西门子医疗诊断有限公司，上海，中国)进行血清的FSH测量。FSH测定的质量控制由Bio-RAD实验室提供(Lyphochek ImmunoassayPlus Control，Trilevel，目录号370，批号40340)。使用超灵敏两点ELISA试剂盒(AnshLabs，美国)检测受试者的血清AMH浓度。

何一天的AMH水平是指对随时对女性受试者的静脉血血清样本进行检测得到的抗缪勒氏管激素水平，而且是否空腹对AMH水平没有影响。用于构建模型的系统的数据情况如下表1所示。

表1进行GnRH拮抗剂治疗的受试者的临床和生化数据

系统模型构建

在本实施例中，将上述4796名受试者的卵巢反应差且受试者的卵母细胞少于5(具体来说为0、1、2、3或4)个定义为结果变量，预测变量为年龄和AMH水平。其中，在本实施例中预测模型使用2017-2018年的数据构建的，即利用了4796名受试者的数据来初步构建本申请的模型系统，利用2019年的数据，即5009名受试者的数据来验证系统模型的效果。其中，2019年的数据中，受试者为接受了上述标准GnRH拮抗剂治疗的所有患者，没有排除内分泌相关异常疾病和卵巢相关异常疾病。

具体步骤为利用JMP Pro 14.2软件，首先在建模数据中应用多具有5倍交叉验证的多重正向选择，以构建卵巢反应不良的预测模型，并在验证数据中验证模型的效果。利用软件中提供的曲线下面积(AUC)、敏感性、特异性来评估已建立的预测模型的性能。

首先在建模数据，即4796名受试者的数据中进行多因素逻辑回归，以是否卵巢低反应作为结局变量，以年龄和AMH作为自变量。由于两个自变量间具有较强的相关性，因此，将两个连续性变量转换为分类变量，两个参数年龄和AMH水平的分组标准，如表2所示。

表2分组依据

依据表2确认的分组，将受试者的年龄分为六组，分别为：受试者的年龄在30岁及以下，受试者的年龄在大于30岁且在35岁及以下，受试者的年龄在大于35岁且在37岁及以下，受试者的年龄在大于37岁且在39岁及以下，受试者的年龄大于39岁且在42岁及以下，以及受试者的年龄大于42岁。将受试者的抗缪勒氏管激素(AMH)水平分为十组，分别为：受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.2ng/ml及以上且小于0.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.0 ng/ml及以上且小于1.2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml，受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml，以及受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml。

同时利用上述训练组的数据拟合了如下公式和确认了公式中涉及的参数，如表3所示：

表3

如公式一所示p为计算出的用于表征所述受试者的卵巢储备功能的参数，其中，a、b、c为无单位参数；其中，在计算卵巢储备功能的模块中，基于受试者的年龄、受试者的抗缪勒氏管激素(AMH)水平来获取b、c的取值来带入公式一进行计算，在计算中年龄以及AMH取值为0或1。

如表3所示，公式一种涉及的参数为：a为选自0.231877~1.0625987中的任意数值，a优选为0.6472378；当受试者的年龄在30岁及以下时，age为0；当受试者的年龄在大于30岁且在35岁及以下时，age 为1，b为选自0.0078627～0.561014中的任意数值，b优选为0.2844384；当受试者的年龄在大于35岁且在37岁及以下时，age 为1，b为选自0.095691～0.7641299中的任意数值，b优选为0.4299105；当受试者的年龄在大于37岁且在39岁及以下时，age 为1，b为选自0.2368123～0.9401274中的任意数值，b优选为0.5884699；当受试者的年龄在大于39岁且在42岁及以下时，age 为1，b为选自0.7081067～1.3787265中的任意数值，b优选为1.0434166；当受试者的年龄在大于42岁时，age 为1，b为选自0.3552159～1.2587011中的任意数值，b优选为0.8069585；当受试者的抗缪勒氏管激素(AMH)水平小于0.2 ng/ml时，AMH为0；当受试者的抗缪勒氏管激素(AMH)水平在0.2 ng/ml及以上且小于0.4 ng/ml时，AMH为1，c为选自-1.044221～-0.101256中的任意数值，c优选为-0.572738；当受试者的抗缪勒氏管激素(AMH)水平在0.4 ng/ml及以上且小于0.6 ng/ml时，AMH为1，c为选自-1.336186～-0.412306中的任意数值，c优选为-0.874246；当受试者的抗缪勒氏管激素(AMH)水平在0.6 ng/ml及以上且小于1.0 ng/ml时，AMH为1，c为选自-2.095978～-1.254203中的任意数值，c优选为-1.675091；当受试者的抗缪勒氏管激素(AMH)水平在1.0ng/ml及以上且小于1.2 ng/ml时，AMH为1，c为选自-2.713953～-1.750292中的任意数值，c优选为-2.232123；当受试者的抗缪勒氏管激素(AMH)水平在1.2 ng/ml及以上且小于1.4ng/ml时，AMH为1，c为选自-2.880223～-1.882292中的任意数值，c优选为-2.381258；当受试者的抗缪勒氏管激素(AMH)水平在1.4 ng/ml及以上且小于1.8 ng/ml时，AMH为1，c为选自-3.363288～-2.402785中的任意数值，c优选为-2.883037；当受试者的抗缪勒氏管激素(AMH)水平在1.8 ng/ml及以上且小于2 ng/ml时，AMH为1，c为选自-3.879955～-2.589504中的任意数值，c优选为-3.234729；当受试者的抗缪勒氏管激素(AMH)水平在2.0 ng/ml及以上且小于3.0 ng/ml时，AMH为1，c为选自-4.296995～-3.309204中的任意数值，c优选为-3.803099；以及当受试者的抗缪勒氏管激素(AMH)水平大于等于3.0 ng/ml时，AMH为1，c为选自-4.793561～-3.876481中的任意数值，c优选为-4.335021。为了验证系统的准确性，我们在相同人群（2017-2018数据）中对两指标、三指标、四指标模型进行了比较，见表4.从该结果可以看出，本实施例构建的系统和在线申请的系统可以达到相同的评估水平。

表4 2017-2018数据中三个模型的效果比较

由此，根据上述公式一可以基于对某一受试者的年龄、月经周期任一天抗缪勒氏管激素浓度来计算这个受试者的卵巢低反应概率。

根据计算出的卵巢低反应概率的参数对人群进行分组，分组方式采取了本申请人在之前确认的分组标准(参见CN201811516206.4)，即

当计算出的用于预测受试者的卵巢低反应概率(p)<10%时，青春度评分>90分，分组模块确定该受试者属于卵巢储备功能好；当10%≤计算出的用于预测受试者的卵巢低反应概率(p)<25%，青春度评分为75～90分，分组模块确定该受试者属于卵巢储备功能良好；当25%≤计算出的用于预测受试者的卵巢低反应概率(p)<50%，青春度评分为50～75分，分组模块确定该受试者属于卵巢储备功能较低；当计算出的用于预测受试者的卵巢低反应概率(p)≥50%，青春度评分≤50分，分组模块确定该受试者属于卵巢储备功能低下。

尽管以上对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。