A meddőség a reproduktív korú populáció 15-20%-át érinti, és az asszisztált reprodukciós technológiák, különösen az in vitro fertilizáció (IVF), egyre nagyobb szerepet játszanak a kezelésében. Célunk az IVF-kezelések kimenetelét befolyásoló legfontosabb preprocedurális és procedurális tényezők áttekintése, különös tekintettel a gépi tanulási modellek által azonosított prediktorokra. Narratív irodalmi áttekintést végeztünk, kiemelve a gépi tanulás alkalmazásával készült vizsgálatokat, valamint a Szegedi Tudományegyetem Gametogenezis Kutatócsoportjának eredményeit. A gépi tanulásos modellek alapján az anyai életkor és az embrió minősége (?embryo score?) a legerősebb prediktorok, a 35 év feletti életkor csökkenti a sikerességet, emellett a testtömegindex, az anti-Müller-hormon, a folliculusstimuláló hormon szintjei, valamint az endometriumvastagság szintén jelentős tényezők, bár hatásuk változó. A thyreoideastimuláló hormon normáltartományon belüli szintje nem mutatott egyértelmű összefüggést a kimenetellel. Összességében az eredmények azt erősítik meg, hogy az IVF sikeressége komplex, egymással kölcsönhatásban álló tényezők eredménye. A gépi tanulási modellek lehetővé teszik ezen ismert és sokszorosan bizonyított jelentőségű faktorok relatív súlyának meghatározását és a predikció pontosságának javítását. A gépi tanulás ígéretes eszköz az IVF-kimenetel előrejelzésében, és hozzájárulhat a személyre szabott kezelési stratégiák kialakításához.  Kulcsszavak: in vitro fertilizáció, anyai életkor, 'embryo score', testtömegindex, thyreoideastimuláló hormon, endometriumvastagság