Акушерство и Гинекология №10 / 2024

Прегестационное нейросетевое прогнозирование задержки роста плода или малого к гестационному возрасту плода с последующей интенсивной терапией новорожденного

31 октября 2024

1) Перинатальный центр ГБУЗ Республики Крым «Республиканская клиническая больница имени Н.А. Семашко», Симферополь, Россия;
2) Ордена Трудового Красного Знамени Медицинский институт имени С.И. Георгиевского ФГАОУ ВО «Крымский федеральный университет имени В.И. Вернадского», Симферополь, Россия;
3) ФГАОУ ВО «Российский университет дружбы народов» Министерства науки и высшего образования Российской Федерации, Москва, Россия

Цель: Разработать прототип нейросетевого инструмента для прегестационной стратификации женщин высокого риска по родоразрешению плодом с задержкой роста (ЗРП) или малым к гестационному возрасту (МГВ) и необходимостью интенсивной терапии (ИТ) новорожденного и провести его апробацию.
Материалы и методы: Выполнено проспективное когортное исследование. Основная клиническая база: Перинатальный центр ГБУЗ Республики Крым «Республиканская клиническая больница им. Н.А. Семашко». Период исследования: 2018–2023 гг. В исследование включено 611 женщин с одноплодной беременностью с недостаточным ростом плода: с ЗРП (n=435) и МГВ (n=176). Прогнозирование выполняли с использованием персонального компьютера: программы Statistica 12.0, модуля Automated Neural Networks (Автоматизированные нейронные сети).
Результаты: Использование среды для автоматизированного анализа нейросетевых моделей позволило получить прототипы инструментов стратификации на прегестационном этапе женщин с риском развития недостаточного роста плода по его варианту (ЗРП или МГВ) (модель 1); необходимости ИТ новорожденного (модель 2), включая респираторную поддержку (модель 3). Данное нейросетевое прогнозирование эффективно (точность обучения, тестирования и валидации нейронных сетей до 100%) обеспечивают материнские клинико-анамнестические и социально-демографические параметры (место и постоянство жительства, образование, род работы, семейное положение; возрастные, включая отцовские), росто-весовые, особенности становления репродуктивной функции, репродуктивный опыт, масса плода в предыдущих родах, гестационный опыт, преэклампсия в предыдущую беременность, родоразрешение в анамнезе и его метод). 
Заключение. Полученные нейросетевые модели демонстрируют возможность разработки инструментов, предоставляющих прогнозную клиническую и управленческую аналитику, позволяющие клиницисту в ежедневной практике на основе оценки клинико-анамнестических данных женщин обосновать выбор оптимального ведения беременности, скрининга и диагностики нарушений, своевременной маршрутизации беременных в интересах плода в учреждения соответствующего уровня.

Вклад авторов: Зиядинов А.А. – разработка концепции и дизайна исследования, анализ данных, написание текста, редактирование, утверждение рукописи для публикации; Новикова В.А. – разработка концепции и дизайна исследования, статистическая обработка данных и интерпретация результатов; Радзинский В.Е. – разработка концепции и дизайна исследования, редактирование, утверждение рукописи для публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.
Финансирование: Исследование проведено без спонсорской поддержки.
Одобрение Этического комитета: Исследование было одобрено локальным Этическим комитетом Ордена Трудового Красного Знамени Медицинский институт имени С.И. Георгиевского ФГАОУ ВО «Крымский федеральный университет имени В.И. Вернадского».
Согласие пациентов на публикацию: Пациенты подписали информированное согласие на публикацию своих данных.
Обмен исследовательскими данными: Данные, подтверждающие выводы этого исследования, доступны по запросу автора, ответственного за переписку, после одобрения ведущим исследователем.
Для цитирования: Зиядинов А.А., Новикова В.А., Радзинский В.Е. Прегестационное нейросетевое прогнозирование задержки роста плода или малого к гестационному возрасту плода с
последующей интенсивной терапией новорожденного.
Акушерство и гинекология. 2024; 10: 60-73
https://dx.doi.org/10.18565/aig.2024.124

Одной из задач служб родовспоможения мира остается «оказание медицинской помощи матери при установленных или предполагаемых патологических состояниях плода» (код МКБ-10 O36). Особого внимания удостаивается недостаточный рост плода (НРП) (код МКБ – O36.5), имеющий два варианта: задержку роста плода (ЗРП) и малый для гестационного возраста плод (МГВ), отчасти схожие по факторам риска, но принципиально разные по патогенезу [1]. Негатив НРП не ограничивается внутриутробным периодом [2, 3]. НРП угрожает уязвимостью новорожденного («vulnerable newborns»), младенческой заболеваемостью, смертностью, создает угрозу здоровью в детстве, юности и на протяжении всей последующей жизни (может повлиять на становление неврологической и когнитивной функций, половое созревание и фертильность, функции щитовидной железы, почек, накопление минеральной плотности кости и пр., стать причиной приобретения долгосрочных кардиометаболических нарушений: метаболического синдрома во взрослой жизни, ожирения, гипертонии, диабета, ишемической болезни сердца) [3–5]. В данном аспекте необходимость профилактики НРП неоспорима, требует знаний о его этио­логии, как плодовой, плацентарной, генетической, так и «родительской» (материнской и отцовской) природы [1, 2]. Помимо скрининга все большую роль приобретает прогнозирование НРП с учетом его варианта – ЗРП или МГВ. Особую настороженность вызывает ЗРП [1]. Информативными, но не всегда доступными предикторами ЗРП считаются трофобласт-ассоциированные маркеры (бета-хорионический гонадотропин человека (β-ХГЧ), белок плазмы, ассоциированный с беременностью (PAPP-A), плацентарный фактор роста (PlGF), плацентарный белок 13 (PP-13)) [6], данные профилирования ДНК, показатели допплерометрии (пульсовой индекс и индекс резистентности артерии пуповины, средней мозговой артерии, венозного протока), 3D (трехмерной) магнитно-резонансной томографии (особенности формы и текстуры плаценты) [6–8], индекс системного иммунного воспаления (нейтрофилы×тромбоциты/лимфоциты) [9] и др. Прикладную значимость в прогнозировании НРП придают оценке материнских клинических, социально-экономических [8] данных, не затратных и широко доступных, и адаптации прогностических моделей к повсеместному применению. По имеющимся сведениям, самостоятельными материнскими факторами риска ЗРП признаны более молодой возраст (ОШ=0,9, ДИ 0,8–0,9), недостаточная прибавка в весе во время беременности (ОШ=3,0, ДИ 1,6–6,1), аборты в анамнезе (ОШ=3,06, ДИ 1,1–8,0), гипертензия, вызванной беременностью, особенно у первобеременных (ОШ=10,1, ДИ 1,0–23,2) [10]; негроидное, восточноазиатское, южноазиатское и смешанное расовое происхождение; материнская коморбидность – хроническая артериальная гипертензия (ХАГ), сахарный диабет (СД) и системная красная волчанка и/или антифосфолипидный синдром; репродуктивные факторы – экстракорпоральное оплодотворение; курение; преэклампсия (ПЭ) или мертворождение в анамнезе, интервал между беременностями <0,5  года [8]. Согласно метаанализу 2023 г., существует связь между ЗРП и семью материнскими факторами, большинство из которых управляемы и потенциально предотвратимы: курением (ОШ=1,62, 95% ДИ 1,38–1,90), первыми родами (ОШ=1,64, 95% ДИ 1,20–2,24) и прегестационным индексом массы тела (ИМТ) <18,5 кг/м2 (ОШ=1,98, 95% ДИ 1,29–3,03), анемией (ОШ=2,01, 95% ДИ 1,44–2,82), гипопротеинемией (ОШ=2,91, 95% ДИ 1,94–4,36), вызванной беременностью гипертензией (ОШ=3,45, 95% ДИ 1,80–6,58) и недостаточной прибавкой веса у женщины во время беременности (ОШ=2,51, 95% ДИ 1,88–3,35) [11]. Общедоступность предикторов позволяет осуществлять прогнозирование ЗРП, например, в общенациональном масштабе [12], используя данные баз социального страхования: паритет, возраст матери, класс страхования, семейное положение, род деятельности (профессия). Применение машинного обучения и искусственного интеллекта (ИИ), включая нейронную сеть глубокого анализа [13–15], при прогнозировании НРП позволили увеличить его точность. Это очень важно в связи с тем, что своевременный прогноз ЗРП отчасти позволяет своевременно маршрутизировать плод с НРП in utero в учреждение родовспоможения соответствующего уровня, что определяет исход родов для новорожденного. В соответствии с систематическим обзором и метаанализом 2023 г. [7], ИИ и машинное обучение способны оптимизировать точный, экономически эффективный скрининг ЗРП и исходы беременности в целом, но внедрение в повседневную клиническую практику алгоритмов требуют оценки качества единых диагностических критериев. В перспективе прогнозирования ЗРП, как варианта НРП, применение социально-демографических, клиническо-анамнестических материнских характеристик открыли новые перспективы. Известно, что плохие условия жизни, низкий уровень грамотности и общий недостаток знаний, низкий социально-экономический уровень увеличивает риск ЗРП [16].

Но говоря о рисках НРП для плода/новорожденного нельзя не упомянуть следующее. Безусловно, тяжесть состояния плода/новорожденного с недостаточным ростом прежде всего определя...

Зиядинов А.А., Новикова В.А., Радзинский В.Е.
Статья платная, чтобы прочесть ее полностью, вам необходимо произвести покупку
Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.