Внешняя валидация алгоритма Фонда медицины плода для прогнозирования преэклампсии в сроке до 37 недель в когорте российских женщин

DOI

https://dx.doi.org/10.18565/aig.2026.105

Ившин А.А.
ФГБОУ ВО «Петрозаводский государственный университет», Петрозаводск, Россия

Цель. Провести внешнюю валидацию алгоритма Фонда медицины плода (FMF) для прогнозирования преэклампсии, манифестирующей до 37 недель гестации (preterm preeclampsia, пПЭ), в когорте российских женщин с комплексной оценкой показателей дискриминации, калибровки и клинической полезности.
Материалы и методы. Ретроспективное когортное исследование выполнено с использованием данных многоцентрового научного регистра беременных. Когорта валидации составила 7 369 женщин (119 случаев пПЭ, 1,61%). Риск рассчитывался по расширенной конфигурации алгоритма FMF на основании материнских факторов и биомаркеров I триместра (MAP, UtAPI, PlGF, PAPP-A). Оценивались: AUC, O:E ratio, калибровочный наклон, показатели скрининга при различных порогах риска, анализ кривой принятия решений.
Результаты. AUC=0,893 (95% ДИ: 0,856–0,925). Калибровка хорошая: O:E ratio=1,007 (95% ДИ: 0,842–1,206). При пороге 1:100 чувствительность составила 84,0%, специфичность – 80,2%, доля скрин-положительных – 20,8%, NPV – 99,7%. Подгрупповой анализ выявил переоценку риска при хронической артериальной гипертензии (O:E=0,41) и недооценку при ПЭ в анамнезе (O:E=1,35). Внешняя валидация на дополнительной когорте (n=7581) подтвердила результаты: AUC=0,907, O:E=1,085. Чувствительность алгоритма при стандартной для международных валидаций фиксированной доле ложноположительных результатов 10% составила 75,6% (95% ДИ: 66,9–83,0). Вторичный анализ для исхода ранней ПЭ (родоразрешение до 34 недель, 131 случай в объединенной выборке) выявил более высокую дискриминационную способность алгоритма (AUC=0,919 и 0,956 в двух когортах) при систематической переоценке расчетного риска (O:E=0,516 и 0,551).
Заключение. Алгоритм FMF демонстрирует высокую дискриминацию и высокую точность калибровки для прогнозирования пПЭ в когорте российских женщин, сопоставимые с ведущими европейскими валидационными исследованиями. Результаты обосновывают применение алгоритма FMF в системе пренатального скрининга Российской Федерации при использовании стандартного порога риска 1:100.

Конфликт интересов. Автор заявляет об отсутствии конфликта интересов.
Финансирование. Работа выполнена без спонсорской поддержки.
Одобрение этического комитета. Исследование одобрено локальным этическим комитетом ФГБОУ ВО «Петрозаводский государственный университет» (протокол № 17 от 20.03.2024).
Генеративный искусственный интеллект. При создании статьи технологии генеративного искусственного интеллекта не использовали.
Согласие пациентов на публикацию. В связи с ретроспективным характером исследования и использованием обезличенных данных информированное согласие не требовалось в соответствии с действующим законодательством.
Обмен исследовательскими данными. Обезличенные данные доступны по обоснованному запросу автору в соответствии с требованиями Федерального закона № 152-ФЗ «О персональных данных». Дополнительные материалы (Приложение) размещены в открытом доступе: https://doi.org/10.5281/zenodo.19286495
Для цитирования: Ившин А.А. Внешняя валидация алгоритма Фонда медицины плода для
прогнозирования преэклампсии в сроке до 37 недель в когорте российских женщин.
Акушерство и гинекология. 2026; 10: 56-67
https://dx.doi.org/10.18565/aig.2026.105

преэклампсия

скрининг I триместра

алгоритм FMF

внешняя валидация

калибровка

прогностическая модель

когорта российских женщин

Полный текст статьи
доступен в "Библиотеке Врача"

Brown M.A., Magee L.A., Kenny L.C., Karumanchi S.A., McCarthy F.P., Saito S. et al. Hypertensive disorders of pregnancy: ISSHP classification, diagnosis, and management recommendations for international practice. Hypertension. 2018; 72(1): 24-43. https://dx.doi.org/10.1161/HYPERTENSIONAHA.117.10803
Сидорова И.С., Никитина Н.А., Филиппов О.С., Гусева Е.В., Агеев М.Б., Кокин А.А. Решенные и нерешенные вопросы преэклампсии по результатам анализа материнской смертности за последние 10 лет. Акушерство и гинекология. 2021; 4: 64-74. https://dx.doi.org/10.18565/aig.2021.4.64-74 [Sidorova I.S., Nikitina N.A., Filippov O.S., Guseva E.V., Ageev M.B., Kokin A.A. Current issues in preeclampsia: a ten-year analysis of maternal mortality. Obstetrics and Gynecology. 2021; (4): 64-74 (in Russian). https://dx.doi.org/10.18565/aig.2021.4.64-74].
Сидорова И.С., Никитина Н.А., Унанян А.Л. Преэклампсия и снижение материнской смертности в России. Акушерство и гинекология. 2018; 1: 107-12. https://dx.doi.org/10.18565/aig.2018.1.107-112 [Sidorova I.S., Nikitina N.A., Unanyan A.L. Preeclampsia and lower maternal mortality in Russia. Obstetrics and Gynecology. 2018; (1): 107-12 (in Russian). https://dx.doi.org/10.18565/aig.2018.1.107-112].
Министерство здравоохранения Российской Федерации. Клинические рекомендации. Преэклампсия. Эклампсия. Отеки, протеинурия и гипертензивные расстройства во время беременности, в родах и послеродовом периоде. 2024. Доступно по: https://cr.minzdrav.gov.ru/view-cr/637_2 [Ministry of Health of the Russian Federation. Clinical guidelines. Preeclampsia. Eclampsia. Edema, proteinuria and hypertensive disorders during pregnancy, labor and the postpartum period: clinical guidelines. 2024. Available at: https://cr.minzdrav.gov.ru/view-cr/637_2 (in Russian)].
Хлестова Г.В., Карапетян А.О., Шакая М.Н., Романов А.Ю., Баев О.Р. Материнские и перинатальные исходы при ранней и поздней преэклампсии. Акушерство и гинекология. 2017; 6: 41-7. https://dx.doi.org/10.18565/aig.2017.6.41-7 [Khlestova G.V., Karapetyan A.O., Shakaya M.N., Romanov A.Yu., Baev O.R. Maternal and perinatal outcomes in early and late preeclampsia. Obstetrics and Gynecology. 2017; (6): 41-7(in Russian). https://dx.doi.org/10.18565/aig.2017.6.41-7]
Кан Н.Е., Беднягин Л.А., Долгушина Н.В., Тютюнник В.Л., Ховхаева П.А., Сергунина О.А., Тютюнник Н.В., Амирасланов Э.Ю. Клинико-анамнестические факторы риска развития преэклампсии у беременных. Акушерство и гинекология. 2016; 6: 39-44. https://dx.doi.org/10.18565/aig.2016.6.39-44 [Kan N.E., Bednyagin L.A., Dolgushina N.V., Tyutyunnik V.L., Khovkhaeva P.A., Sergunina O.A., Tyutyunnik N.V., Amiraslanov E.Yu. Clinical and anamnestic risk factors for preeclampsia in pregnant women. Obstetrics and Gynecology. 2016; (6): 39-44 (in Russian). https://dx.doi.org/10.18565/aig.2016.6.39-44].
Wright D., Syngelaki A., Akolekar R., Poon L.C., Nicolaides K.H. Competing risks model in screening for preeclampsia by maternal characteristics and medical history. Am. J. Obstet. Gynecol. 2015; 213(1): 62.e1-62.e10. https://dx.doi.org/10.1016/j.ajog.2015.02.018
O’Gorman N., Wright D., Syngelaki A., Akolekar R., Wright A., Poon L.C. et al. Competing risks model in screening for preeclampsia by maternal factors and biomarkers at 11–13 weeks gestation. Am. J. Obstet. Gynecol. 2016; 214(1): 103.e1-103.e12. https://dx.doi.org/10.1016/j.ajog.2015.08.034
Tan M.Y., Syngelaki A., Poon L.C., Rolnik D.L., O’Gorman N., Delgado J.L. et al. Screening for pre-eclampsia by maternal factors and biomarkers at 11–13 weeks’ gestation. Ultrasound Obstet. Gynecol. 2018; 52(2): 186-95. https://dx.doi.org/10.1002/uog.19112
Rolnik D.L., Wright D., Poon L.C., O’Gorman N., Syngelaki A., de Paco Matallana C. et al. Aspirin versus placebo in pregnancies at high risk for preterm preeclampsia. N. Engl. J. Med. 2017; 377(7): 613-22. https://dx.doi.org/10.1056/NEJMoa1704559
Poon L.C., Shennan A., Hyett J.A., Kapur A., Hadar E., Divakar H. et al. The International Federation of Gynecology and Obstetrics (FIGO) initiative on pre-eclampsia: A pragmatic guide for first-trimester screening and prevention. Int. J. Gynaecol. Obstet. 2019; 145(S1): 1-33. https://dx.doi.org/10.1002/ijgo.12802
Riishede I., Rode L., Sperling L., Overgaard M., Ravn J.D., Sandager P. et al. et al. Pre‐eclampsia screening in Denmark (PRESIDE): national validation study. Ultrasound Obstet. Gynecol. 2023; 61(6): 682-90. https://dx.doi.org/10.1002/uog.26183
Tan M.Y., Wright D., Syngelaki A., Akolekar R., Cicero S., Janga D. et al. Comparison of diagnostic accuracy of early screening for pre-eclampsia by NICE guidelines and a method combining maternal factors and biomarkers: results of SPREE. Ultrasound Obstet. Gynecol. 2018; 51(6): 743-50. https://dx.doi.org/10.1002/uog.19039
Hu J., Gao J., Liu J., Meng H., Hao N., Song Y. et al. Prospective evaluation of first-trimester screening strategy for preterm pre-eclampsia and its clinical applicability in China. Ultrasound Obstet. Gynecol. 2021; 58(4): 529-39. https://dx.doi.org/10.1002/uog.23645
Goto M., Koide K., Tokunaka M., Takita H., Hamada S., Nakamura M. et al. Accuracy of the FMF Bayes theorem-based model for predicting preeclampsia at 11–13 weeks of gestation in a Japanese population. Hypertens. Res. 2021; 44(6): 685-91. https://dx.doi.org/10.1038/s41440-020-00571-4
Tiruneh S.A., Vu C.T., Moran L.J., Callander E.J., Allotey J., Thangaratinam S. et al. Externally validated prediction models for pre-eclampsia: systematic review and meta-analysis. Ultrasound Obstet. Gynecol. 2024; 63(5): 592-604. https://dx.doi.org/10.1002/uog.27490
Холин А.М., Муминова К.Т., Балашов И.С., Ходжаева З.С., Боровиков П.И., Иванец Т.Ю., Гус А.И. Прогнозирование преэклампсии в первом триместре беременности: валидация алгоритмов скрининга на российской популяции. Акушерство и гинекология. 2017; 8: 74-84. https://dx.doi.org/10.18565/aig.2017.8.74-84 [Kholin A.M., Muminova K.T., Balashov I.S., Khodzhaeva Z.S., Borovikov P.I., Ivanets T.Yu., Gus A.I. First-trimester prediction of preeclampsia: validation of screening algorithms in a Russian population. Obstetrics and Gynecology. 2017; (8): 74-84 (in Russian). https://dx.doi.org/10.18565/aig.2017.8.74-84].
Van Calster B., McLernon D.J., van Smeden M., Wynants L., Steyerberg E.W.; Topic Group ‘Evaluating diagnostic tests and prediction models’ of the STRATOS initiative. Calibration: the Achilles heel of predictive analytics. BMC Med. 2019; 17(1): 230. https://dx.doi.org/10.1186/s12916-019-1466-7
Collins G.S., Reitsma J.B., Altman D.G., Moons K.G.M. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis (TRIPOD): the TRIPOD statement. BMJ. 2015; 350: g7594. https://dx.doi.org/10.1136/bmj.g7594
Cuenca-Gómez D., de Paco Matallana C., Rolle V., Valiño N., Revello R., Adiego B. et al. Performance of first-trimester combined screening for preterm pre-eclampsia: findings from cohort of 10 110 pregnancies in Spain. Ultrasound Obstet. Gynecol. 2023; 62(4): 522-30. https://dx.doi.org/10.1002/uog.26233
Steyerberg E.W. Clinical prediction models: A practical approach to development, validation, and updating. 2nd ed. Cham: Springer; 2019. https://dx.doi.org/10.1007/978-3-030-16399-0
Vickers A.J., Van Calster B., Steyerberg E.W. A simple, step-by-step guide to interpreting decision curve analysis. Diagn. Progn. Res. 2019; 3: 18. https://dx.doi.org/10.1186/s41512-019-0064-7
Riley R.D., Ensor J., Snell K.I.E., Harrell F.E. Jr, Martin G.P., Reitsma J.B. et al. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020; 368: m441. https://dx.doi.org/10.1136/bmj.m441
Wright D., Tan M.Y., O’Gorman N., Poon L.C., Syngelaki A., Wright A. et al. Predictive performance of the competing risk model in screening for preeclampsia. Am. J. Obstet. Gynecol. 2019; 220(2): 199.e1-199.e13. https://dx.doi.org/10.1016/j.ajog.2018.11.1087
Ившин А.А., Малышев Н.А. Ранняя стратификация риска преэклампсии на основе мультипараметрической модели машинного обучения и рутинных клинических данных. Акушерство, Гинекология и Репродукция. 2026; 20(1): 111-29. https://dx.doi.org/10.17749/2313-7347/ob.gyn.rep.2025.706 [Ivshin A.A., Malyshev N.A. Preeclampsia early risk stratification based on a multiparametric machine learning model and routinely collected clinical data. Obstetrics, Gynecology and Reproduction. 2026; 20(1): 111-29 (in Russian). https://dx.doi.org/10.17749/2313-7347/ob.gyn.rep.2025.706].
Collins G.S., Moons K.G.M., Dhiman P., Riley R.D., Beam A.L., Van Calster B. et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024; 385: e078378. https://dx.doi.org/10.1136/bmj-2023-078378
Rolnik D.L., Gil-Pugliese S., Syngelaki A., Bujold E., Wright D., Poon L.C., Nicolaides K.H. First-trimester prediction and prevention of preterm pre-eclampsia in women with chronic hypertension. Ultrasound Obstet. Gynecol. 2026; 67(5): 613-22. https://dx.doi.org/10.1002/uog.70212
Ranjbar A., Montazeri F., Ghamsari S.R., Mehrnoush V., Roozbeh N., Darsareh F. Machine learning models for predicting preeclampsia: a systematic review. BMC Pregnancy Childbirth. 2024; 24(1): 6. https://dx.doi.org/10.1186/s12884-023-06220-1
Андрейченко А.Е., Лучинин А.С., Ившин А.А., Ермак А.Д., Новицкий Р.Э., Гусев А.В. Разработка и валидация моделей прогнозирования общего риска преэклампсии и риска ранней преэклампсии с использованием алгоритмов машинного обучения в первом триместре беременности. Акушерство и гинекология. 2023; 10: 94-107. https://dx.doi.org/10.18565/aig.2023.101 [Andreychenko A.E., Luchinin A.S., Ivshin A.A., Ermak A.D., Novitskiy R.E., Gusev A.V. Development and validation of models to predict total and early-onset preeclampsia in the first trimester of pregnancy using machine learning algorithms. Obstetrics and Gynecology. 2023; (10): 94-107 (in Russian). https://dx.doi.org/10.18565/aig.2023.101].
Ившин А.А., Багаудин Т.З., Гусев А.В. Прогнозирование преэклампсии с использованием технологий искусственного интеллекта. Акушерство, Гинекология и Репродукция. 2021; 15(5): 576-85. https://dx.doi.org/10.17749/2313-7347/ob.gyn.rep.2021.229 [Ivshin A.A., Bagaudin T.Z., Gusev A.V. Artificial intelligence technologies in predicting preeclampsia. Obstetrics, Gynecology and Reproduction. 2021; 15(5): 576-85 (in Russian). https://dx.doi.org/10.17749/2313-7347/ob.gyn.rep.2021.229].

Поступила 31.03.2026

Принята в печать 02.10.2026

Ившин Александр Анатольевич, к.м.н., доцент, заведующий кафедрой акушерства и гинекологии, дерматовенерологии, Петрозаводский государственный университет, 185035, Россия, Республика Карелия, Петрозаводск, ул. Красноармейская, д. 31, +7(909)567-12-51, scipeople@mail.ru, https://orcid.org/0000-0001-7834-096X

Внешняя валидация алгоритма Фонда медицины плода для прогнозирования преэклампсии в сроке до 37 недель в когорте российских женщин

Ившин А.А.

Ключевые слова

Список литературы

Об авторах / Для корреспонденции

Также по теме

Сайт использует куки