Прогнозирование клинически узкого таза с помощью нейросетевого анализа данных

Малько Д. В., Доржиева Ц.-Д. Б., Новопашина Г. Н. Прогнозирование клинически узкого таза с помощью нейросетевого анализа данных // Вестник Бурятского государственного университета. Медицина и фармация. 2022. № 2. С. 19‒23.

Введение. Снижение материнской и перинатальной заболеваемости и смертности является приоритетной задачей медицинского родовспоможения [1]. Рациональное ведение родов при узком тазе относится к наиболее сложным разделам практического акушерства [2]. Это связано, с одной стороны, с преобладанием в настоящее время стертых форм сужения таза и, с другой — с увеличением частоты макросомии плода [3]. Одной из важнейших причин, определяющих уровень заболеваемости детей, родившихся у женщин с узким тазом, является диспропорция между размерами головки и тазом матери в родах [4]. Частота анатомически узкого таза, по данным различных авторов, колеблется в широких пределах (от 2,6% до 15‒23%).

Материалы и методы. Номинальные данные описывались с указанием абсолютных значений и процентных долей при помощи χ² Пирсона [8]. Во всех случаях р < 0,05 считали статистически значимым. Для определения диагностической ценности разработанной модели использовалась ROC-кривая с последующим определением площади под ней [9].

Синаптический вес » О

Рис. 1. Структура многослойного персептрона, позволяющего прогнозировать развитие клинического узкого таза

Результаты

Статистически значимые параметры были включены в тестовую базу данных, которая легла в основу обучения многослойного персептрона. В качестве функции активации в скрытом слое выступал гиперболический тангенс, в выходном слое – Softmax, в качестве функции ошибки — перекрестная энтропия. Структура обучаемой нейронной сети включала 12 входных нейронов (проживание в сельской или городской местности, наличие анемии, заболеваний мочевыделительной системы, многоводие, скорость оседания эритроцитов, уровень глюкозы крови, миелоцитов и международного нормализованного отношения накануне родов), один скрытый слой, содержащий 8 единиц, и 2 выходных нейрона (рис. 1).

Точность прогноза разработанной модели составила более 98%, что представляется достаточно значимы, 1,7% — это вероятность узкого таза. Для наглядной оценки информативности нейросетевого анализа данных в прогнозировании клинического узкого таза использовался ROC-анализ (рис. 2).

Рис. 2. ROC-анализ вероятности диагностики клинического узкого таза на основании нейросетевого анализа данных

Вывод. Применение нейросетевого анализа данных позволяет прогнозировать развитие узкого таза (анатомическое сужение таза, крупный плод).