Прогнозирование задержки роста плода с применением алгоритмов машинного обучения

DOI

https://dx.doi.org/10.18565/aig.2025.135

Кан Н.Е., Леонова А.А., Тютюнник В.Л., Солдатова Е.Е., Рыжова К.О., Серебрякова А.П.
1) ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России, Москва, Россия; 2) ГБУЗ «Приморский краевой перинатальный центр», Владивосток, Россия

Цель: Выявление значимых клинико-анамнестических предикторов задержки роста плода и разработка эффективных прогностических моделей с применением алгоритмов машинного обучения.
Материалы и методы: В 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: метода логистической регрессии и метода случайного леса.
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 I 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). В рамках метода случайного леса было установлено, что наибольший вклад в точность прогноза вносят: возраст старше 40 лет, 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: Обе модели 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.

Вклад авторов: Кан Н.Е., Леонова А.А., Тютюнник В.Л., Солдатова Е.Е., Рыжова К.О., Серебрякова А.П. – концепция и разработка дизайна исследования, получение данных для анализа, обзор публикаций, обработка и анализ материала по теме, статистический анализ полученных данных, написание текста рукописи, редактирование статьи.
Конфликт интересов: Авторы заявляют об отсутствии возможных конфликтов интересов.
Финансирование: Работа выполнена в рамках инициативной темы «Эпигенетические критерии диагностики задержки роста плода с позиции дисфункции нейрогенеза» НИР №19-И23 (от 08.12.2022 г.) (регистрационный номер в системе ЕГИСУ НИОКТР (государственного учета) – 123060500032-8).
Одобрение этического комитета: Исследование было одобрено этическим комитетом ФГБУ «НМИЦ АГП им. акад. В.И. Кулакова» Минздрава России.
Согласие пациентов на публикацию: Все пациентки подписали добровольное информированное согласие на публикацию своих данных.
Обмен исследовательскими данными: Данные, подтверждающие выводы этого исследования, доступны по запросу у автора, ответственного за переписку, после одобрения ведущим исследователем.
Для цитирования: Кан Н.Е., Леонова А.А., Тютюнник В.Л., Солдатова Е.Е., Рыжова К.О., Серебрякова А.П. Прогнозирование задержки роста плода с применением алгоритмов машинного обучения.
Акушерство и гинекология. 2025; 7: 40-46
https://dx.doi.org/10.18565/aig.2025.135

задержка роста плода

прогностическая модель

логистическая регрессия

случайный лес

машинное обучение

Полный текст статьи
доступен в "Библиотеке Врача"

Lei T.Y., Li D.Z. Perinatal outcome of late-onset fetal growth restriction: etiology matters. Ultrasound Obstet. Gynecol. 2022; 60(5): 707-8. https://dx.doi.org/10.1002/uog.26090
Bahia M.L.R., Velarde G.C., Silva F.C.D., Araujo Júnior E., Sá R.A.M. Adverse perinatal outcomes in fetuses with severe late-onset fetal growth restriction. J. Matern. Fetal Neonatal Med. 2022; 35(25): 8666-72. https:/dx.doi.org/10.1080/14767058.2021.1995858
Wu B.A., Chand K.K., Bell A., Miller S.L., Colditz P.B., Malhotra A. et al. Effects of fetal growth restriction on the perinatal neurovascular unit and possible treatment targets. Pediatr. Res. 2024; 95(1): 59-69. https:/dx.doi.org/10.1038/s41390-023-02805-w
Muniz C.S., Dias B.F., Motoyama P.V.P., Almeida C.T.C., Feitosa F.E.L., Araujo Júnior E. et al. Doppler abnormalities and perinatal outcomes in pregnant women with early-onset fetal growth restriction. J. Matern. Fetal Neonatal Med. 2022; 35(25): 7276-79. https:/dx.doi.org/10.1080/14767058.2021.1946786
Dall'Asta A., Stampalija T., Mecacci F., Zegarra R.R., Sorrentino S., Minopoli M. et al. Incidence, clinical features and perinatal outcome in anomalous fetuses with late-onset growth restriction: cohort study. Ultrasound Obstet. Gynecol. 2022; 60(5): 632-39. https:/dx.doi.org/10.1002/uog.24961
Rizzo G., Mappa I., Bitsadze V., Słodki M., Khizroeva J., Makatsariya A. et al. Role of Doppler ultrasound at time of diagnosis of late-onset fetal growth restriction in predicting adverse perinatal outcome: prospective cohort study. Ultrasound Obstet. Gynecol. 2020; 55(6): 793-8. https:/dx.doi.org/10.1002/uog.20406
Misgina K.H., Levine L., Boezen H.M., Bezabih A.M., van der Beek E.M., Groen H. Influence of perinatal distress on adverse birth outcomes: a prospective study in the Tigray region, Northern Ethiopia. PLOS One. 2023; 18(7): e0287686. https:/dx.doi.org/10.1371/journal.pone.0287686
Sacchi C., Marino C., Nosarti C., Vieno A., Visentin S., Simonelli A. Association of intrauterine growth restriction and small for gestational age status with childhood cognitive outcomes: a systematic review and meta-analysis. JAMA Pediatr. 2020; 174(8): 772-81. https:/dx.doi.org/10.1001/jamapediatrics.2020.1097
Sacchi C., O'Muircheartaigh J., Batalle D., Counsell S.J., Simonelli A., Cesano M. et al. Neurodevelopmental outcomes following intrauterine growth restriction and very preterm birth. J. Pediatr. 2021; 238: 135-44. https:/dx.doi.org/10.1016/j.jpeds.2021.07.002
Fernandez-Rodriguez B., Alba C. de, Galindo A., Recio D., Villalain C., Pallas C.R. et al. Obstetric and pediatric growth charts for the detection of late-onset fetal growth restriction and neonatal adverse outcomes. J. Perinat. Med. 2020; 49(2): 216-24. https:/dx.doi.org/10.1515/jpm-2020-0210
Kingdom J., Ashwal E., Lausman A., Liauw J., Soliman N., Figueiro-Filho E. et al. Guideline No. 442: Fetal growth restriction: screening, diagnosis, and management in singleton pregnancies. J. Obstet. Gynaecol. Can. 2023; 45(10): 102154. https:/dx.doi.org/10.1016/j.jogc.2023.05.022
Melamed N., Baschat A., Yinon Y., Athanasiadis A., Mecacci F., Figueras F. et al. FIGO (international Federation of Gynecology and obstetrics) initiative on fetal growth: best practice advice for screening, diagnosis, and management of fetal growth restriction. Int. J. Gynaecol. Obstet. 2021; 152 Suppl. 1(Suppl. 1): 3-57. https:/dx.doi.org/10.1002/ijgo.13522
Miranda J., Rodriguez-Lopez M., Triunfo S., Sairanen M., Kouru H., Parra-Saavedra M. et al. Prediction of fetal growth restriction using estimated fetal weight vs a combined screening model in the third trimester. Ultrasound Obstet. Gynecol. 2017; 50(5): 603-11. https:/dx.doi.org/10.1002/uog.17393
Волочаева М.В., Тимофеева А.В., Федоров И.С., Кан Н.Е., Тютюнник В.Л., Рыжова К.О., Гасымова Ш.Р. Модель диагностики задержки роста плода с использованием функциональных методов исследования. Акушерство и гинекология. 2025; 2: 31-9.
Zimmerman R.M., Hernandez E.J., Yandell M., Tristani-Firouzi M., Silver R.M., Grobman W. et al. AI-based analysis of fetal growth restriction in a prospective obstetric cohort quantifies compound risks for perinatal morbidity and mortality and identifies previously unrecognized high risk clinical scenarios. BMC Pregnancy Childbirth. 2025; 25(1): 80. https:/dx.doi.org/10.1186/s12884-024-07095-6
Ulusoy C.O., Kurt A., Seyhanli Z., Hizli B., Bucak M., Agaoglu R.T. et al. Role of inflammatory markers and doppler parameters in late-onset fetal growth restriction: a machine-learning approach. Am. J. Reprod. Immunol. 2024; 92(4): e70004. https:/dx.doi.org/10.1111/aji.70004
Rescinito R., Ratti M., Payedimarri A.B., Panella M. Prediction models for intrauterine growth restriction using artificial intelligence and machine learning: a systematic review and meta-analysis. Healthcare (Basel). 2023; 11(11): 1617. https:/dx.doi.org/10.3390/healthcare11111617
Pierucci U.M., Tonni G., Pelizzo G., Paraboschi I., Werner H., Ruano R. Artificial intelligence in fetal growth restriction management: a narrative review. J. Clin. Ultrasound. 2025; 53(4): 825-31. https:/dx.doi.org/10.1002/jcu.23918
Lee S.U., Choi S.K., Jo Y.S., Wie J.H., Shin J.E., Kim Y.H. et al. Prediction model of late fetal growth restriction with machine learning algorithms. Life (Basel). 2024; 14(11): 1521. https:/dx.doi.org/10.3390/life14111521
Ornaghi S., Caricati A., Di Martino D.D., Mossa M., Di Nicola S., Invernizzi F. et al. Non-invasive maternal hemodynamic assessment to classify high-risk pregnancies complicated by fetal growth restriction. Front. Clin. Diabetes Healthc. 2022; 3: 851971. https:/dx.doi.org/10.3389/fcdhc.2022.851971
Huo J., Li G., Li Ch., Li X., Liu G., Chen Q. et al. Screening for late-onset fetal growth restriction in antepartum fetal monitoring using Deep Forest and SHAP. In: Cao B.Y., Wang S.F., Nasseri H., Zhong Y.B., eds. Intelligent Systems and Computing. ICFIE 2022. Lecture Notes on Data Engineering and Communications Technologies, vol. 207. Springer, Singapore; 2024. https:/dx.doi.org/10.1007/978-981-97-2891-6_29
Gordijn S.J., Beune I.M., Thilaganathan B., Papageorghiou A., Baschat A.A., Baker P.N. et al. Consensus definition of fetal growth restriction: a Delphi procedure. Ultrasound Obstet. Gynecol. 2016; 48(3): 333-9. https:/dx.doi.org/10.1002/uog.15884
Рюмина И.И., Байбарина Е.Н., Нароган М.В., Маркелова М.М., Орловская И.В., Зубков В.В., Дегтярев Д.Н. Использование международных стандартов роста для оценки физического развития новорожденных и недоношенных детей. Неонатология: новости, мнения, обучение. 2023; 11(2): 48-52.
Zhang P., Haymar T., Al-Sayyed F., Dygulski S., Dygulska B., Devi A. et al. Placental pathology associated with maternal age and maternal obesity in singleton pregnancy. J. Matern. Fetal Neonatal Med. 2022; 35(25): 9517-26. https:/dx.doi.org/10.1080/14767058.2022.2044777
Vasapollo B., Novelli G.P., Farsetti D., Valensise H. Maternal peripheral vascular resistance at mid gestation in chronic hypertension as a predictor of fetal growth restriction. J. Matern. Fetal Neonatal Med. 2022; 35(25): 9834-36. https:/dx.doi.org/10.1080/14767058.2022.2056443
Dall'Asta A., Minopoli M., Zegarra R.R., Di Pasquo E., Ghi T. An update on maternal cardiac hemodynamics in fetal growth restriction and pre-eclampsia. J. Clin. Ultrasound. 2023; 51(2): 265-72. https:/dx.doi.org/10.1002/jcu.23392
Yang L., Feng L., Huang L., Li X., Qiu W., Yang K. et al. Maternal factors for intrauterine growth retardation: systematic review and meta-analysis of observational studies. Reprod. Sci. 2023; 30(6): 1737-45. https:/dx.doi.org/10.1007/s43032-021-00756-3
Министерство здравоохранения Российской Федерации. Клинические рекомендации. Недостаточный рост плода, требующий предоставления медицинской помощи матери (задержка роста плода). М.; 2022. 71 с.

Поступила 19.05.2025

Принята в печать 17.06.2025

Кан Наталья Енкыновна, профессор, д.м.н., заслуженный деятель науки Российской Федерации, заместитель директора по научной работе – директор института акушерства, Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. акад. В.И. Кулакова Министерства здравоохранения Российской Федерации, 117997, Россия, Москва ул. Ак. Опарина, д. 4, kan-med@mail.ru, Researcher ID: B-2370-2015, SPIN-код: 5378-8437, Authors ID: 624900,
Scopus Author ID: 57008835600, https://orcid.org/0000-0001-5087-5946
Леонова Анастасия Александровна, аспирант, врач акушер-гинеколог акушерского отделения, Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. акад. В.И. Кулакова Министерства здравоохранения Российской Федерации, 117997, Россия, Москва ул. Ак. Опарина, д. 4,
+7(937)453-54-27, nastena27-03@mail.ru, https://orcid.org/0000-0001-6707-3464
Тютюнник Виктор Леонидович, профессор, д.м.н., в.н.с. центра научных и клинических исследований, Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. акад. В.И. Кулакова Министерства здравоохранения Российской Федерации, 117997, Россия, Москва ул. Ак. Опарина, д. 4, tioutiounnik@mail.ru, Researcher ID: B-2364-2015, SPIN-код: 1963-1359, Authors ID: 213217, Scopus Author ID: 56190621500, https://orcid.org/0000-0002-5830-5099
Солдатова Екатерина Евгеньевна, н.с. акушерского отделения института акушерства, Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. акад. В.И. Кулакова Министерства здравоохранения Российской Федерации, 117997, Россия, Москва ул. Ак. Опарина, д. 4, katerina.soldatova95@bk.ru, https://orcid.org/0000-0001-6463-3403
Рыжова Кристина Олеговна, врач-ординатор 1 родильного отделения, Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии им. акад. В.И. Кулакова Министерства здравоохранения Российской Федерации, 117997, Россия, Москва, ул. Ак. Опарина, д. 4, cr.yanina@gmail.com,
https://orcid.org/0009-0007-8318-435X
Серебрякова Анна Павловна, врач акушер-гинеколог отделения дневного стационара обследования беременных, Приморский краевой перинатальный центр,
690042, Россия, Владивосток, ул. Можайская, д. 1Б, serebriakovanna@gmail.com, https://orcid.org/0000-0001-7014-2627
Автор, ответственный за переписку: Анастасия Александровна Леонова, nastena27-03@mail.ru

Прогнозирование задержки роста плода с применением алгоритмов машинного обучения

Кан Н.Е., Леонова А.А., Тютюнник В.Л., Солдатова Е.Е., Рыжова К.О., Серебрякова А.П.

Ключевые слова

Список литературы

Об авторах / Для корреспонденции

Также по теме