RT - Article
SR - Electronic
T1 - Прогнозирование клинически узкого таза с помощью нейросетевого анализа данных
SP - 2023-10-17
DO - 10.17749/2313-7347/ob.gyn.rep.2023.382
A1 - , 
A1 - , 
A1 - Зиганшин, А.М., 
A1 - Дикке, Г.Б., 
A1 - Мудров, В.А., 
YR - 2023
UL - https://repo.bashgmu.ru/publication/3215
AB - 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.