Акушерство и Гинекология №10 / 2024
Прегестационное нейросетевое прогнозирование задержки роста плода или малого к гестационному возрасту плода с последующей интенсивной терапией новорожденного
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...