目的：
為了降低體外受精-胚胎移植（IVF-ET）後多胎妊娠的風險並保持最佳妊娠機會，本研究旨在建立人工智能模型，預測IVF-ET後的妊娠結果和多胎妊娠風險。

材料與方法：
從2010年1月至2019年12月，收集了1507個新鮮胚胎移植周期的20個特徵。在排除不完整記錄後，選取了949個治療周期作為妊娠模型數據集，以及380個周期作為多胎妊娠模型數據集。使用六種機器學習算法基於數據集進行模型構建，其中70％的數據集被隨機選取用於訓練，30％用於驗證。模型的性能以受試者工作特徵曲線下面積（AUC）、準確度、特異度和敏感度來量化。

結果：
使用XGBoost構建的模型效果最好。妊娠預測模型的準確度為0.716，敏感度為0.711，特異度為0.719，AUC為0.787。多胎妊娠預測模型的準確度為0.711，敏感度為0.649，特異度為0.740，AUC為0.732。

結論：
人工智能模型提供可靠的結果預測，有望成為降低IVF-ET後多胎妊娠風險的一種有前景的方法。