Возможности нейросетевого анализа данных в прогнозировании преждевременных родов

Автор: Акимова Анастасия Алексеевна, Ванданова Валерия Анатольевна, Катовщикова Алина Васильевна, Новопашина Галина Николаевна

Журнал: Вестник Бурятского государственного университета. Медицина и фармация @vestnik-bsu-medicine-pharmacy

Статья в выпуске: 2, 2022 года.

Бесплатный доступ

Преждевременные роды являются одной из основных причин перинатальной смертности и заболеваемости. До настоящего времени не существует эффективных способов профилактики преждевременных родов, что определяет актуальность проведенного исследования. Поэтому от эффективности оценки вероятности их развития зависит своевременность терапии, которая во многом определяет исход беременности в целом. Целью работы явилась оценка возможностей нейросетевого анализа данных в прогнозировании преждевременных родов. На базе перинатального центра ГУЗ «Краевая клиническая больница» проведен ретроспективный анализ 220 случаев родов за 2020 г. Общая выборка была разделена на 2 исследуемые группы: в 1-ю группу были включены 20 пациенток, у которых имели место спонтанные преждевременные роды; во 2-ю группу - 200 пациенток, роды которых произошли на доношенном сроке беременности. Такие статистически значимые параметры, как 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, были включены в тестовую базу данных, которая легла в основу обучения многослойного персептрона. Структура обучаемой нейронной сети включала 12 входных нейронов, один скрытый слой, содержащий 8 единиц, и 2 выходных нейрона (Se=0,98, Sp=0,98, AUC=0,99 [95% CI 0,97-1,00], p

Еще

Преждевременные роды, прогнозирование, нейросетевой анализ, нейронная сеть, многослойный персептрон

Короткий адрес: https://sciup.org/148326458

IDR: 148326458   |   DOI: 10.18101/2306-1995-2022-2-24-28

Текст научной статьи Возможности нейросетевого анализа данных в прогнозировании преждевременных родов

Введение. Рождение детей с экстремально низкой массой тела зачастую приводит к инвалидности, которая может выражаться не только в нарушении общего психомоторного развития, но и сопровождаться слепотой, глухотой, церебральными нарушениями, хроническими заболеваниями легких и т. д. В связи с этим преждевременные роды стали весьма деликатной проблемой для здравоохранения [1; 2].

В настоящее время преждевременные роды (ПР) представляют собой комплексную медико-социальную проблему, которая связана не только с высокой вероятностью инвалидности ребенка, но и сопряжена с высокими материальноэкономическими затратами 1 [2; 4]. Выхаживание одного 22-недельного ребенка может обойтись в несколько сотен тысяч долларов. Между тем контраст дальнейшего наблюдения за состоянием здоровья этого ребенка в амбулаторнополиклинических условиях часто удручает, так как качество жизни у детей, родившихся с экстремально низкой массой тела, оставляет желать лучшего [2]. Проблемы со здоровьем детей приводят к конфликтам в семье, отказу от последующей беременности на фоне наличия страха за аналогичный исход [2; 4]. В связи с этим практический интерес вызывает изучение возможностей нейросетевого анализа в прогнозировании преждевременных родов.

Материалы и методы. Номинальные данные описывались с указанием абсолютных значений и процентных долей. Сравнение номинальных данных исследования проводилось при помощи критерия х 2 Пирсона [8]. Во всех случаях р<0,05 считали статистически значимым. Наиболее статистически значимые параметры включены в тестовую базу данных, которая легла в основу обучения многослойного персептрона, позволяющего прогнозировать развитие преждевременных родов. Для определения диагностической ценности разработанной модели использовалась ROC-кривая с последующим определением площади под ней [9].

Результаты. Указанные параметры были включены в основу обучения многослойного персептрона. 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).

Синаптический вес > О

Синаптический вес <О

Рис. 1. Структура многослойного персептрона, позволяющего прогнозировать развитие преждевременных родов

Точность прогноза разработанной модели составила более 98% (Se=0,98, Sp=0,98, AUC=0,99 [95% CI 0,97-1,00], p<0,001), что представляется достаточно значимым. Для наглядной оценки информативности нейросетевого анализа данных в прогнозировании наступления преждевременных родов использовался ROC-анализ (рис. 2).

Зависимая переменная: ПР

Рис. 2. ROC-анализ вероятности преждевременных родов на основании нейросетевого анализа данных

Список литературы Возможности нейросетевого анализа данных в прогнозировании преждевременных родов

  • Мочалова М. Н., Мудров В. А. Перинатальная смертность: пути снижения и профилактика на современном этапе // Забайкальский медицинский вестник. 2018. № 3. С. 46-56. Текст: непосредственный.
  • Возможности диагностики и прогнозирования преждевременных родов на современном этапе / В. А. Мудров, А. М. Зиганшин, А. Г. Ящук [и др.] // Казанский медицинский журнал. 2021. Т. 102, № 1. С. 47-60. Текст: непосредственный.
  • Мамедова М. А., Беженарь В. Ф. Прогнозирование преждевременных родов: текущее состояние и перспективы // Акушерство и гинекология. 2018. № 1. С. 31-34. Текст: непосредственный.
  • Мочалова М. Н., Мудров В. А., Новокшанова С. В. Роль интранатальных факторов риска в патогенезе родовой травмы // Acta Biomedica Scientifica. 2020. Т. 5, № 1. С. 7-14. Текст: непосредственный.
  • Радзинский В. Е. Акушерская агрессия V. 2.0. Москва: StatusPraesens, 2017. 872 с. Текст: непосредственный.
  • Преждевременные роды: влияние факторов риска на исходы беременности / Р. Ш. Халитова, А. М. Зиганшин, И. Г. Мухаметдинова, В. А. Мудров // Журнал акушерства и женских болезней. 2022. Т. 71, № 3. C. 43-52. Текст: непосредственный.
  • Мудров В.А. Алгоритмы статистического анализа количественных признаков в биомедицинских исследованиях с помощью пакета программ SPSS // Забайкальский медицинский вестник. 2020. № 1. С. 140-150. Текст: непосредственный.
  • Мудров В. А. Алгоритмы статистического анализа качественных признаков в биомедицинских исследованиях с помощью пакета программ SPSS // Забайкальский медицинский вестник. 2020. № 1. С. 151-163. Текст: непосредственный.
  • Мудров В. А. Алгоритм применения ROC-анализа в биомедицинских исследованиях с помощью пакета программ SPSS // Забайкальский медицинский вестник. 2021. № 1. С. 148-154. Текст: непосредственный.
Еще
Статья научная