17 Зиганшин, А.М. Дикке, Г.Б. Мудров, В.А. 2023 2023-10-17 10.17749/2313-7347/ob.gyn.rep.2023.382 Цель: повысить эффективность прогнозирования клинически узкого таза (КУТ) с помощью нейросетевого анализа данных и оценить его диагностические характеристики. Материалы и методы. Выполнено ретроспективное нерандомизированное клиническое исследование. Проведен анализ 184 родов: в группу 1 вошли 135 пациенток, роды которых произошли через естественные родовые пути, в группу 2 – 49 пациенток, роды которых осложнились развитием КУТ и завершились экстренным кесаревым сечением. Обследование пациенток проводилось накануне родов (за 1–2 дня) и включало сбор анамнеза, общее и специальное акушерское исследование, включая пельвиометрию; в родах проводилась клиническая оценка краниотазовой диспропорции. Оценку состояния новорожденных выполняли по шкале Апгар, измеряли рост и массу тела. Нейросетевой анализ выполняли с помощью встроенного модуля Neural Networks программы SPSS Statistics Version 25.0 (IBM, США). Результаты. Несмотря на гипотетически значимую роль анатомического сужения таза в развитии краниотазовой диспропорции, статистически значимых различий между группами выявлено не было. Определены статистически значимые параметры (значения окружности живота, высоты дна матки и массы тела женщины, окружности головки плода, а также данные о наличии или отсутствии маловодия и макросомии плода), которые были включены в базу данных, которая легла в основу обучения многослойного перцептрона. Из 135 пациенток группы 1 прогноз оказался отрицательным у 131 (97,0 %) женщины, положительным – у 4 (3,0 %); у 49 (100,0 %) пациенток группы 2 прогноз был положительным. Точность прогноза разработанной модели составила 98 % (чувствительность – 100 %, специфичность – 97 %). Информативность нейросетевого анализа данных в прогнозировании КУТ представлена ROC-анализом: площадь под кривой (англ. area under curve, AUC) = 0,99 (95 % доверительный интервал = 0,97–1,00). Показатели антропометрии новорожденных статистически значимо были выше в группе 2 по сравнению с группой 1, а оценка по Апгар на 1-й минуте соответственно ниже. Заключение. Применение нейросетевого анализа клинических данных, полученных накануне родов, позволяет с достаточной степенью точности (98,0 %) прогнозировать развитие КУТ, что в перспективе при его внедрении в клиническую практику позволит оптимизировать выбор метода родоразрешения пациенток, входящих в группу риска (анатомически узкий таз, крупный плод), снизить частоту экстренных кесаревых сечений и улучшить исходы родов. https://repo.bashgmu.ru/publication/3215 https://repo.bashgmu.ru/files/3391