155- Prédiction des chances de grossesse après acupuncture pour diminution de la réserve ovarienne.

Étude rétrospective de modélisation prédictive

L'étude

Objectif

L'étude vise à construire un modèle permettant de prédire les chances de grossesse chez les patientes présentant une diminution de la réserve ovarienne (DRO) traitées par acupuncture.

Méthodologie

Recueil des données

Les chercheurs ont utilisé des données cliniques réelles issues de la plateforme IPRPAM (International Patient Registry Platform of Acupuncture-moxibustion).

Sont analysés les dossiers de 377 patientes traitées par acupuncture, âgées de 20 à 49 ans et avec les critères de DOR suivants :

• FSH : 10 IU/ L < FSH < 20IU/L
• Hormone antimüllérienne : AMH < 1ng/mL
• Compte de follicules antraux : AFC ≤6 (mesuré entre le 2ᵉ et le 4ᵉ jour du cycle menstruel, avec un intervalle d’au moins 4 semaines entre deux mesures).

Parmi ces 377 patientes, 139 ont obtenu une grossesse et 238 n’ont pas conçu.

Paramètres étudiés

27 paramètres couvrant différents domaines sont analysés :

• Profil hormonal : AMH (avant et après traitement) ; LH (avant et après traitement) ; FSH (avant et après traitement) ; rapport FSH/LH (avant et après traitement) ; E2 (avant et après traitement).
• Fonction folliculaire : AFC (avant et après traitement).
• Données démographiques et antécédents personnels : âge ; âge de la ménarche ; antécédents de naissance ; durée de la maladie ; antécédents de grossesse et d'accouchement, d’avortement, de chirurgie.
• Historique thérapeutique : antécédents de traitement par médecine occidentale ; par médecine chinoise ; par acupuncture ; nombre cumulé de séances d’acupuncture ; nombre mensuel de séances d’acupuncture ; hormonothérapie ; technologies de reproduction assistée.
• Variables interventionnelles : mesures d’intervention.

Méthodes d'analyse

• Identification des paramètres clés : Une analyse de corrélation de Spearman a permis de sélectionner les paramètres les plus influents sur les résultats de grossesse après acupuncture.
• Modélisation prédictive par machine learning : Plusieurs algorithmes ont été testés (régression logistique, Naïve Bayes, Random Forest, SVM, réseaux neuronaux), la forêt aléatoire ayant montré les meilleures performances.

Résultats

Facteurs de prédiction de la grossesse

Six variables clés ont été identifiées du fait de leur association, à différents degrés, avec la grossesse (figure 1) :

• L’AFC après acupuncture et l’âge sont les deux principaux facteurs prédictifs du modèle : un AFC plus élevé et un âge plus jeune augmentent la probabilité de grossesse.
• Les paramètres hormonaux (FSH, LH, ratio FSH/LH) jouent un rôle complémentaire en permettant d'affiner la prédiction.
• Les antécédents de traitement par acupuncture jouent un rôle plus limité.

Exemple de prédiction

Un cas illustratif (figure 3) permet d’appliquer le modèle (figure 2) :

• Age : 36 ans
• AFC après acupuncture : 4
• LH après acupuncture : 4,64 mIU/mL
• Ratio FSH/LH après acupuncture : 2
• FSH après acupuncture : 9,27 mIU/mL
• Antécédents de traitement par acupuncture : 2 ans.

Le modèle prédit une probabilité de grossesse de 74,1 % après acupuncture.

• Ce graphique en barres montre l’effet individuel de chaque facteur prédictif sur la probabilité de grossesse exprimée sous forme de contribution additive.
• La ligne de base (Intercept) correspond à une probabilité initiale de 0,629. Cette valeur correspond à la probabilité de grossesse moyenne du modèle avant la prise en compte des caractéristiques individuelles de la patiente. Elle a été calculée à partir des données de l’ensemble des patientes étudiées et sert de point de départ pour ajuster la prédiction en fonction des facteurs spécifiques.
• Chaque facteur modifie cette probabilité en fonction de sa valeur :
  • 🟩 Les barres vertes représentent une augmentation de la probabilité.
  • 🟥 Les barres rouges représentent une diminution de la probabilité.
• Lecture :
  • Intercept (0,629) : Point de départ
  • AFC = 4 : Augmente la probabilité 🟩 de +0,048.
  • Âge = 36 ans : Diminue la probabilité 🟥 de -0,05.
  • etc..
  • 🟪 Probabilité finale : 74,1 %.

Conclusion

Ce modèle offre un outil clinique prédictif permettant d’évaluer les chances de grossesse en fonction de la réponse biologique individuelle à l’acupuncture, optimisant ainsi la prise en charge des patientes atteintes de DOR.

Commentaires

Les biomarqueurs dans la prédiction de la grossesse après acupuncture

Dans l'évaluation de la diminution de la réserve ovarienne (DRO), deux biomarqueurs sont considérés les plus sensibles et les plus fiables [2] :

• L’hormone anti-müllérienne (AMH) : Elle reflète la taille du pool folliculaire et constitue un marqueur fiable pour évaluer la réserve ovarienne. Une valeur < 1,0 ng/mL indique une réserve diminuée et < 0,5 ng/mL une réserve très faible.
• Le nombre de follicules antraux (AFC) : Il fournit une estimation directe du stock ovarien et est corrélé à la réponse aux traitements de procréation médicalement assistée (PMA). Une valeur ≤ 6 follicules indique une réserve diminuée et ≤ 4 follicules une réserve très faible.

En PMA, bien que l’AMH et l’AFC soient de bons prédicteurs du nombre d’ovocytes obtenus, leur association avec la qualité ovocytaire, les taux de grossesse clinique et les naissances vivantes reste faible [2]. Il est donc logique que ces biomarqueurs initiaux ne soient pas corrélés aux chances de grossesse après acupuncture. Ainsi, même les patientes présentant une réserve ovarienne très faible peuvent potentiellement bénéficier de cette approche.

L’intérêt de cette étude repose sur la construction d’un modèle prédictif intégrant l’âge et la réponse quantifiée à l’acupuncture, en particulier l’AFC, afin d’estimer les probabilités de grossesse.

La faible réponse ovarienne

La faible réponse ovarienne (FRO) se réfère à une réponse insuffisante aux traitements de stimulation ovarienne, caractérisée par un faible nombre d’ovocytes obtenus malgré une stimulation optimale. Une DRO augmente le risque de FRO, mais toutes les patientes avec une réserve ovarienne basse ne sont pas forcément de faibles répondeuses.

Une étude de modélisation prédictive similaire (Su 2023 [3]) portant sur les dossiers de 268 patientes traitées par acupuncture et issus de la même plateforme IPRPAM a identifié trois facteurs prédictifs :

• L’âge
• Le niveau initial d’AMH
• Le nombre total de séances d’acupuncture, avec une amélioration significative observée chez les patientes ayant reçu plus de 12 séances.

Contrairement à la DRO, l’AMH reste donc un facteur prédictif central dans la FRO, reflétant directement la capacité de réponse aux traitements de stimulation ovarienne.

Acupuncture et médecine prédictive

La médecine prédictive repose sur l'utilisation de modèles statistiques, de l'intelligence artificielle et de diverses méthodes d'analyse pour anticiper les résultats d’un traitement ou la survenue de maladies. En acupuncture, cette approche permet d’identifier les patients les plus susceptibles de bénéficier d’un traitement et d’optimiser les protocoles thérapeutiques.

Les recherches menées ces dernières années ont appliqué ces modèles à différentes pathologies, en s’appuyant sur des données issues d’essais cliniques, de registres de patients ou de bases hospitalières. Les modèles développés incluent des approches de machine learning, des régressions statistiques et des analyses multivariées, intégrant des facteurs prédictifs variés tels que les caractéristiques démographiques, les biomarqueurs ou les paramètres d’imagerie cérébrale.

La figure 3 synthétise les principales études publiées entre 2019 et 2025 [1, 3-11] sur la prédiction de la réponse à l’acupuncture. elle met en évidence les pathologies étudiées, les méthodes de modélisation employées et les facteurs déterminants identifiés.

Pour le praticien, il n’est pas nécessaire de s’attarder sur la complexité des méthodes de modélisation. L’enjeu est d’exploiter ces résultats pour affiner les choix thérapeutiques et mieux informer les patients sur leurs perspectives de réponse au traitement, en s’appuyant sur des données objectives.

Points clés

✅ L’étude propose un modèle prédictif basé sur cinq facteurs, dont l’âge et l’AFC post-acupuncture, permettant d’estimer les chances de grossesse après acupuncture en cas de diminution de la réserve ovarienne.
✅ Les résultats suggèrent que les chances de grossesse ne dépendent pas directement de l’état initial de la réserve ovarienne.
✅ Cette étude s’intègre dans un ensemble de recherches en médecine prédictive appliquée à l’acupuncture, visant à mieux identifier les patients susceptibles de bénéficier du traitement et à adapter leur prise en charge.

Dr Johan Nguyen & Dr Laurence Serthelon

Références

1. Wang X, Li Y, Zhang Z. Construction of a clinical prediction model of acupuncture treatment for diminished ovarian reserve (DOR) based on a machine learning algorithm to provide a clinical prediction of acupuncture for ameliorating pregnancy outcomes in DOR. World J Acupunct Moxibustion. 2025 Jan;35(1):32-40. https://doi.org/10.1016/j.wjam.2025.01.001🔓
2. Practice Committee of the American Society for Reproductive Medicine. Testing and interpreting measures of ovarian reserve: a committee opinion. Fertil Steril. 2020 Dec;114(6):1151-1157. https://doi.org/10.1016/j.fertnstert.2020.09.134 🔓
3. Su CC, Zhou XZ, Xu HF, Yang L, Li JS, Xiao QW, Li WX, Fang YG. Construction of a clinical prediction model for the impact of acupuncture on pregnancy outcomes in poor ovarian response (POR) patients based on a patient registry research platform. Zhongguo Zhen Jiu. 2023 Dec 12;43(12):1390-1398.
4. Tu Y, Ortiz A, Gollub RL, Cao J, Gerber J, Lang C, Park J, Wilson G, Shen W, Chan ST, Wasan AD, Edwards RR, Napadow V, Kaptchuk TJ, Rosen B, Kong J. Multivariate resting-state functional connectivity predicts responses to real and sham acupuncture treatment in chronic low back pain. Neuroimage Clin. 2019;23:101885. https://doi.org/10.1016/j.nicl.2019.101885🔓
5. Yang HT, Jiang JL, Jin LZ, Ma RJ. [Development and analysis of clinical prediction model of acupuncture and moxibustion treatment for stroke at recovery stage]. Zhongguo Zhen Jiu. 2021 Aug 12;41(8):855-60.
6. Chen YD, Sheng JL, Liu J, Zhang SY, Jin XQ. [Efficacy prediction of acupuncture in treatment of moderate-to-severe allergic rhinitis based on miRNA expression profile]. Zhongguo Zhen Jiu. 2022 Aug 12;42(8):891-8.
7. Dong Y, Fan B, Yan E, Chen R, Wei X, Zhan J, Zeng J, Wen H, Lu L. Decision tree model based prediction of the efficacy of acupuncture in methadone maintenance treatment. Front Neurol. 2022 Oct 6;13:956255. https://doi.org/10.3389/fneur.2022.956255 🔓
8. Yin T, Zheng H, Ma T, Tian X, Xu J, Li Y, Lan L, Liu M, Sun R, Tang Y, Liang F, Zeng F. Predicting acupuncture efficacy for functional dyspepsia based on routine clinical features: a machine learning study in the framework of predictive, preventive, and personalized medicine. EPMA J. 2022 Feb 2;13(1):137-147. https://doi.org/10.1007/s13167-022-00271-8 🔓
9. Yin T, Qu Y, Mao Y, Zhang P, Ma P, He Z, Sun R, Lu J, Chen Y, Yin S, Gong Q, Tang Y, Liang F, Zeng F. Clinical-functional brain connectivity signature predicts longitudinal symptom improvement after acupuncture treatment in patients with functional dyspepsia. Hum Brain Mapp. 2023 Nov;44(16):5416-5428. https://doi.org/10.1002/hbm.26449
10. Chen H, Zheng Y, Li J, Bao Q, Li X, Yu S, Zhu Q, Lv L, Yu X, Xu D, Wang K. [Construction and validation of clinical prediction model of acupuncture and moxibustion for Bell's palsy]. Zhongguo Zhen Jiu. 2024 May 12;44(5):495-502.
11. Liu Y, Tang Y, Li Z, Yu P, Yuan J, Zeng L, Wang C, Li S, Zhao L. Prediction of clinical efficacy of acupuncture intervention on upper limb dysfunction after ischemic stroke based on machine learning: a study driven by DSA diagnostic reports data. Front Neurol. 2025 Jan 7;15:1441886. https://doi.org/10.3389/fneur.2024.1441886🔓
12. Nguyen J. Prédiction de l’efficacité de l’acupuncture dans la dyspepsie. Acupuncture Preuves & Pratiques. Septembre 2023. https://gera.fr/prediction-de-lefficacite-de-lacupuncture-dans-la-dyspepsie/🔓

Mots-clés : Gynécologie - Médecine prédictive