Прогнозирование задержки роста плода с применением алгоритмов машинного обучения

Аннотация:

Цель: Выявление значимых клинико-анамнестических предикторов задержки роста плода и разработка эффективных прогностических моделей с применением алгоритмов машинного обучения. Материалы и методы: B ретроспективное исследование были включены 620 беременных, наблюдавшихся и родоразрешенных в ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. акад. В.И. Кулакова» Минздрава России. Основная группа состояла из 300 пациенток с задержкой роста плода, группа сравнения — 320 пациенток с физиологическим течением беременности. Был проведен анализ клинико-анамнестических данных для создания моделей прогнозирования задержки роста плода с помощью методов машинного обучения: методалогистической регрессии и метода случайноголеса. Результаты: Модель логистической регрессии включает следующие предикторы: возраст старше 40 лет, рост менее 1,60 м, хроническая артериальная гипертензия, курение, задержка роста плода в анамнезе, угрожающий выкидыш в 1 триместре беременности с формированием ретрохориальной гематомы и кровотечением. Она позволяет прогнозировать развитие задержки роста плода с чувствительностью 73% и специфичностью 80% (AUC 0,81). Альтернативная модель, построенная с использованием метода случайного леса, продемонстрировала увеличение чувствительности до 78% и снижение специфичности до 74%) (AUC 0,79). Врамкахметода случайноголеса былоустановлено, что наибольший вклад в точность прогноза вносят: возраст старше 40лет, рост менее 1,60 м, наличие хронической артериальной гипертензии, операции, приводящие к образованию рубца на матке, в анамнезе, задержка роста плода в анамнезе, угрожающий выкидыш в I триместре беременности с формированием ретрохориальной гематомы без кровотечения. Заключение: Обемодели демонстрируют высокую прогностическую ценность для скрининга задержки роста плода. Метод логистической регрессии обеспечивает интерпретируемость, а метод случайного леса — точность за счет учета нелинейных взаимосвязей. Внедрение моделей в клиническую практику позволит оптимизировать мониторинг беременных, входящих в группу риска.

Авторы:

Издание: Акушерство и гинекология
Год издания: 2025
Объем: 7с.
Дополнительная информация: 2025.-N 7.-С.40-46. Библ. 28 назв.
Просмотров: 0