Прогнозирование успеха экстракорпорального оплодотворения у пациенток с хроническим эндометритом и нарушением репродуктивной функции с помощью нейросетевой технологии (вторичный анализ результатов рандомизированного контролируемого испытания «ТЮЛЬПАН 2»)

При использовании вспомогательных репродуктивных технологий рецидивирующие неудачи имплантации наблюдаются у 7,7–67,5% пациенток с хроническим эндометритом (ХЭ).
Цель: Разработать с помощью нейросетевой технологии прогностическую модель вероятности наступления клинической беременности и живорождения у женщин с маточной формой бесплодия, обусловленной ХЭ, на этапе отбора в программы экстракорпорального оплодотворения (ЭКО) с крио­переносом и оценить ее эффективность.
Материалы и методы: Работа представляет собой вторичный анализ результатов рандомизированного контролируемого испытания «ТЮЛЬПАН 2». Из электронной базы отобраны 188 пациенток, отвечавших целям настоящего анализа. Распределение в группы сравнения: I (n=102) – пациентки, у которых наступила беременность; II (n=86) – беременность не наступила.
Результаты: В результате логистического анализа выделены 11 наиболее значимых параметров, которые были использованы для создания модели прогноза успешности ЭКО на основе нейросетевой технологии. В структуру многослойного персептрона, позволяющего прогнозировать исход ЭКО, были включены показатели: лечение, включавшее комплекс антимикробных пептидов и цитокинов, CD-138, пульсационный индекс в радиальных артериях по данным допплерометрии, индексы оксигенации, пролиферативной активности, структурированности по данным лазерного конверсионного тестирования, интерлейкины-4, -10, -1β, фактор некроза опухоли-α по данным иммуноферментного анализа. Точность прогноза разработанной модели составила 97,9% (чувствительность – 100%, специфичность – 96,4%). Информативность нейросетевого анализа данных подтверждена ROC-анализом (AUC=0,90; p<0,001). Для целей практического применения модели индивидуального прогноза успешности ЭКО разработан онлайн-калькулятор. 
Заключение: Модель прогноза наступления клинической беременности и живорождения в результате ЭКО у пациенток с бесплодием, обусловленным ХЭ, с помощью нейросетевой технологии имеет высокую точность прогноза и позволяет либо определить необходимость в проведении повторного(-ых) курса лечения ХЭ, либо принять решение о проведении процедуры ЭКО.

Вклад авторов: Суханов А.А. – сбор клинического материала, формирование электронной базы данных, написание фрагментов статьи и ее редактирование; Дикке Г.Б. – разработка концепции, дизайна и программы исследования, руководство в ходе исследования, анализ результатов статистической обработки клинического материала и их интерпретация, поиск литературных источников, написание фрагментов статьи и ее редактирование после рецензирования; Мудров В.А. – разработка программы исследования, статистическая обработка клинического материала, анализ результатов, разработка модели прогнозирования с помощью нейросетевой технологии и ее интерпретация, написание программы для онлайн-калькулятора, написание фрагментов статьи и ее редактирование после рецензирования; Кукарская И.И. – организация исследования на клинической базе, руководство в ходе исследования.
Конфликт интересов: Авторы сообщают об отсутствии конфликта интересов и гарантируют, что статья является оригинальной работой авторов.
Финансирование: Исследование выполнено за счет собственных средств. Публикация статьи поддержана
ЗАО «Пенткрофт Фарма».
Одобрение Этического комитета: Исследование было одобрено локальным Этическим комитетом ГБУЗ ТО «Перинатальный центр», Тюмень, Россия.
Обмен исследовательскими данными: Данные, подтверждающие выводы этого исследования, доступны по запросу у автора, ответственного за переписку, после одобрения ведущим исследователем.
Для цитирования: Суханов А.А., Дикке Г.Б., Мудров В.А., Кукарская И.И. 
Прогнозирование успеха экстракорпорального оплодотворения у пациенток 
с хроническим эндометритом и нарушением репродуктивной функции с помощью нейросетевой технологии (вторичный анализ результатов рандомизированного контролируемого испытания «ТЮЛЬПАН 2»).
Акушерство и гинекология. 2024; 4: 103-114
https://dx.doi.org/10.18565/aig.2024.47

Рецидивирующие неудачи имплантации при использовании вспомогательных репродуктивных технологий у пациенток с нарушением репродуктивной функции, связанным с хроническим эндометритом (ХЭ), наблюдаются в 7,7–67,5% случаев [1, 2]. Эффективность экстракорпорального оплодотворения (ЭКО) у пациенток с ХЭ не превышает 30% за цикл лечения и еще ниже у женщин старше 36 лет [3]. Диагностика ХЭ, его лечение и преодоление бесплодия методом ЭКО сопряжены с увеличением временного интервала до наступления ожидаемой беременности, неблагоприятным влиянием на психо­эмоциональное состояние супружеской пары, высокими материальными затратами. Свести к минимуму эти издержки можно, имея информацию о предполагаемом успехе ЭКО перед его выполнением [4]. Однако уже разработанные инструменты для определения предикторов успеха пока не нашли широкого применения в рутинной клинической практике из-за их трудоемкости, низкой прогностической точности и сомнительной клинической полезности.

Так, в систематическом обзоре и метаанализе 22 исследований дана оценка клинического значения толщины эндометрия для исхода ЭКО, и авторы пришли к выводу об отсутствии способности этого показателя прогнозировать беременности и живорождения [5]. В более позднем систематическом обзоре 20 исследований сделан более мягкий вывод: результаты ЭКО у пациенток с нарушением рецептивности эндометрия зависят не только от толщины эндометрия, но и от ряда других факторов риска как в циклах переноса свежего эмбриона, так и криопереноса. Подчеркиваются важность персонализированного подхода с эффективными методами диагностики и лечения для улучшения рецептивности эндометрия, а также необходимость дальнейших исследований для оценки важности толщины эндометрия, протоколов лечения и других факторов [6].

В настоящее время для прогноза вероятности живорождения после 1–3 циклов ЭКО оценены модели, в которых использовались множественные клинические и лабораторные показатели (в одном из исследований – до 100 переменных), а также количество извлеченных ооцитов, которые давали ограниченную точность прогноза менее 60% – AUC от 0,51 до 0,60 [7–10]. Mc Lernon D.J. et al. (2016) дали индивидуальную оценку совокупных шансов пары на рождение ребенка в результате шести последовательных циклов ЭКО, использовав параметры, полученные как до лечения, так и после первого переноса свежих эмбрионов (индекс прогностической ценности для модели до ЭКО составлял 0,73, после первого цикла – 0,72); при этом все характеристики пациентов и лечения по отдельности имели статистически значимую одновариантную связь с живорождением, за исключением необъяснимого бесплодия [11]. Модели, разработанные Xu T. et al. (2022), ограничиваются прогнозированием беременности сразу после цикла ЭКО, но не живорождения, с точностью 68% [12]. Заслуживает внимания исследование, в котором авторы оценили возможность предсказать вероятность живорождения в первом цикле ЭКО до его выполнения, разработав три модели на основании независимого набора данных; при этом модель, включающая АМГ, достигла точности прогноза 71% [13]. Систематический обзор, выполненный в 2020 г., оценил качество 35 моделей прогнозирования ЭКО, отметив как наиболее качественную и информативную модель Маклернона [14].

Однако ориентация на ограниченный объем данных не позволяет использовать весь массив полученных биологических параметров, определить их ценность для прогноза; и поэтому в настоящее время активно внедряются в медицинскую практику модели прогнозирования, основанные на современных алгоритмах, таких как нейронные сети [15]. Несмотря на многообещающие данные, искусственный интеллект (ИИ) пока не получил статус «золотого стандарта», что послужило основанием для систематического обзора 18 исследований, целью которого явилась оценка прогностических возможностей моделей на основе ИИ [16]. Синтез данных этого анализа показал, что такие модели успешно точно предсказывают результат ЭКО в отношении клинической беременности с сердцебиением плода (72%) и живорождения (90%).

VerMilyea M. et al. (2022) применили глубокое машинное обучение (анализ медицинских изображений) для прогнозирования жизнеспособности эмбриона на основе микроскопии; при этом совокупная точность составила 64% как для жизнеспособных, так и для нежизнеспособных эмбрионов, что продемонстрировало надежность модели и ее обобщаемость, превосходящую на 42% результат по сравнению с оценкой эмбриологами [17]. Глубокое машинное обучение описано Mihara M. et al. (2023) для диагностики ХЭ по данным гистологических и иммуногистохимических картин; отмечен потенциал для улучшения диагностики, преодоления разобщенности гистологических и гистероскопических оценок, разработки стандартизированных диагностических критериев и единых клинических рекомендаций для этого заболевания [18].

Вместе с тем научный и практический интерес относительно прогноза беременности/живорождения в результате ЭКО у пациенток с маточной формой бесплодия, обусловленной ХЭ (дефект имплантации яйцеклетки, необъяс...

Суханов А.А., Дикке Г.Б., Мудров В.А., Кукарская И.И.