Применение волоконно-оптических методов и искусственного интеллекта в диагностике эякулята мужчин с бесплодием в программах вспомогательных репродуктивных технологий

Цель. Установить закономерности в спектре пропускания микроструктурных волноводов, заполненных выделенными сперматозоидами и семенной плазмой мужчин с различными нарушениями сперматогенеза, и построить на данной основе нейронную сеть, анализирующую спектральные характеристики спермы.
Материалы и методы. Были проанализированы спектральные характеристики 345 образцов выделенных сперматозоидов и 209 образцов семенной плазмы с помощью фотонно-кристаллических волноводов в качестве оптических датчиков и построена искусственная нейронная сеть, точность предсказания которой составила 100%. Также было проведено анкетирование пациентов, эякулят которых включали в исследование. Основные параметры в анкете касались факторов, влияющих на сперматогенез.
Результаты. Была создана нейронная сеть на основе многослойного перцептрона, которая оказалась эффективной при анализе спектральных характеристик семенной плазмы и фракции сперматозоидов. Созданная нейронная сеть эякулята позволяет с высочайшей точностью определять «норму» и «патологию». Использование искусственного интеллекта для анализа результатов анкетирования об образе жизни мужчин оказалось менее эффективной. Ставка правильных ответов составила 88% для тестового набора характеристик и 84% для контрольного набора. Тем не менее разработанная нейронная сеть может быть использована для предварительной оценки и прогнозирования профиля спермы по результатам анкетирования пациента.
Заключение. Волоконно-оптические методы в диагностике эякулята являются перспективными и многообещающими. До сих пор остается нерешенным вопрос отсутствия как естественной беременности, так и в результате применения экстракорпорального оплодотворения при нормальных показателях спермы. Внедрение новых методов анализа семенной плазмы и сперматозоидов является актуальной задачей репродуктивной медицины; особенно интересно использование возможностей искусственного интеллекта для оценки фертильности как мужчин, так и женщин.

Уровень рождаемости в промышленно развитых странах неуклонно падает на протяжении последних 40 лет [1]. Помимо социально-экономических факторов, рождаемость ограничивает ухудшение репродуктивного здоровья населения. По оценке ВОЗ, порядка 80 млн пар неспособны зачать ребенка без медицинской помощи, из них 5 млн – в России, что составляет 15% населения репродуктивного возраста. Согласно мировой статистике, около 40% случаев бесплодия связаны с мужским фактором [2]. Мужское бесплодие может быть связано с различными врожденными и приобретенными состояниями: урогенитальные инфекции, генетические нарушения, крипторхизм, варикоцеле, гипогонадизм, эякуляторные нарушения, общие и системные заболевания, иммунологические факторы, идиопатическое бесплодие. Немаловажными факторами являются также образ жизни и влияние вредных факторов окружающей среды. Согласно докладу ВОЗ (2013) и Программе ООН по окружающей среде, производство и воздействие химических веществ могут повлечь за собой серьезные нарушения работы эндокринной системы человека, что, соответственно, влечет за собой падение фертильности [3]. Так, например, три крупных банка спермы в Китае сообщили о резком снижении качества спермы доноров из городов, которые претерпели сильнейшее загрязнение в связи с промышленным ростом [4].

Успешное внедрение в программы экстракорпорального оплодотворения технологии интрацитоплазматической инъекции сперматозоида в цитоплазму ооцита, к сожалению, смещает акцент от выявления этиологии бесплодия у мужчин и оценки их фертильности к улучшению эмбриологических аспектов вспомогательных репродуктивных технологий (ВРТ). Между тем многочисленные клинические и научные вопросы репродуктивной андрологии остаются без ответа; в частности, отсутствует какой-либо реальный прогресс в разработке надежных методов для анализа спермы. Базовый анализ спермы обладает ограниченной ценностью для прогнозирования как достижения естественной беременности, так и результатов использования методов ВРТ [5]. Зачастую мужчины с нормальными показателями спермограммы остаются бесплодными. Именно поэтому необходимо расширять возможности тестирования функциональных характеристик эякулята. Анализ фертильности мужчин должен представлять собой комплексный процесс, включающий оценку образа жизни, психологического состояния, общего здоровья репродуктивной системы, показателей спермограммы и дополнительных критериев оценки семенной жидкости. Для обработки такого количества клинических данных пациентов и выявления закономерностей необходима разработка систем анализа качества спермы на основе алгоритмов машинного обучения. Подобная система была описана Abdulkerim М. Yibre (2021), однако она пока широко не востребована в силу своей сложности [6]. Важной задачей является разработка простых в использовании объективных методов анализа спермы и тест-систем, в том числе для предварительной диагностики, облегчающих работу лабораторному персоналу, ускоряющих процедуру анализа и постановку диагноза, а также позволяющих мужчинам следить за состоянием своего здоровья. Наиболее перспективным техническим решением для такого рода задач является использование волоконно-оптических датчиков на базе микроструктурных волноводов, благодаря анализу малых объемов проб, высокой точности и специфичности [7].

Недавно опубликована работа, которая посвящена использованию искусственного интеллекта (ИИ) и нейронных сетей (НС) для предварительной оценки характеристик спермы и прогнозирования результатов анализа спермы на основе основной анкеты пациента [8]. Были описаны две модели НС, разработанных на основе анкеты пациента, которая включала в себя 11 вопросов. Одна из моделей направлена на прогнозирование общих показателей спермы, а вторая — на оценку концентрации спермы. Точность НС в тестовом образце составила 80,95 и 85,71% соответственно. Аналогичное исследование показано профессором Ma J. et al. в 2018 г. [9]. На основе данн...

Сухих Г.Т., Скибина Ю.С., Занишевская А.А., Шувалов А.А., Янчук Н.О., Грязнов А.Ю., Сысоева А.П., Макарова Н.П., Валиахметова Э.З., Калинина Е.А., Лепилин П.А.