Возможности нейросетевого анализа данных в прогнозировании преждевременных родов

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