Использование нейросетевой технологии для прогнозирования преэклампсии у беременных с хронической артериальной гипертензией

Цель исследования — оценка медико-биологических факторов риска развития преэклампсии у беременных с хронической артериальной гипертензией (ХАГ) и разработка на их основе нейросетевой системы для расчета вероятности присоединения преэклампсии у таких женщин.

Материалы и методы. Проведен анализ течения беременности и исходов родов у 548 пациенток с существовавшей ранее артериальной гипертензией (АГ) — 318 с ХАГ и 230 с преэклампсией на фоне ХАГ. Расчет факторов риска выполняли с применением программы OpenEpi (Великобритания). При обучении разработанной нейросетевой системы использовали комбинированный метод глобальной оптимизации и нейросетевой способ сжатия информации.

Результаты. Выделены основные факторы риска присоединения преэклампсии у беременных с ХАГ: отягощенная по гипертонической болезни наследственность; гипертензивные расстройства при предыдущих беременностях; длительность АГ более пяти лет; исходное диастолическое артериальное давление более 80 мм рт. ст.; индекс массы тела более 30; табакокурение; отсутствие родов в анамнезе; хронический пиелонефрит и гастрит; II стадия гипертонической болезни; II и III степени АГ; гипертоническая ангиопатия сетчатки; гипертрофия левого желудочка; отсутствие регулярной антигипертензивной терапии до и во время беременности; позднее начало лечения. Полученные данные были использованы для обучения и тестирования нейросетевой программы для ЭВМ и разработки «Нейросетевой системы прогнозирования присоединения преэклампсии у беременных женщин с хронической артериальной гипертензией “Neuro_Chronic”». Эта система включает два модуля: первый предназначен для обучения программной модели нейронной сети на заданном множестве образов, второй модуль после заполнения полей для ввода параметров, полученных при сборе анамнеза и обследовании, выдает оценку развития преэклампсии во время беременности у конкретной пациентки в виде пяти вариантов вероятности — от очень низкой до очень высокой.

Заключение. Выявление врачом у беременных с ХАГ предложенных предикторов развития преэклампсии, введение этих данных в разработанную компьютерную программу позволит на амбулаторном этапе определять вероятность развития преэклампсии во время гестации и провести своевременные профилактические мероприятия беременным с высокой степенью риска.

1. Результаты конфиденциального аудита материн­ской смертности в Российской Федерации в 2014 году: мето­дическое письмо Минздрава России. М; 2015.
2. Фролова О.Г., Шувалов М.П., Гусева Е.В., Рябин­кина И.Н. Материнская смертность на современном этапе развития здравоохранения. Акушерство и гинекология 2016; 12: 121–124, https://doi.org/10.18565/aig.2016.12.121-4.
3. Кинжалова С.В., Пестряева Л.А., Макаров Р.А., Да­вы­дова Н.С. Дифференциальная диагностика гипер­тензивных расстройств при беременности. Акушерство и гинекология 2015; 11: 36–40.
4. Шахбазова Н.А. Исходы беременности при гипер­тензивных расстройствах, вызванных гестационным про­цессом. Акушерство и гинекология 2015; 2: 20–26.
5. Макаров О.В., Ткачева О.Н., Волкова Е.В. Пре­эклампсия и хроническая артериальная гипертензия. Клинические аспекты. М: ГЭОТАР-Медиа; 2010.
6. Storya L., Chappellb L.C. Preterm preeclampsia: what every neonatologist should know. Early Hum Dev 2017; 114: 26–30, https://doi.org/10.1016/j.earlhumdev.2017.09.010.
7. Долгушина В.Ф., Чулков В.С., Вереина Н.К., Си­ни­цын С.П. Оценка взаимосвязи клинико-генетических фак­торов с осложнениями и исходами беременности у женщин с преэклампсией на фоне хронической арте­риальной гипертензии. Российский вестник акушера-гине­колога 2014; 14(6): 4–8.
8. Курочка М.П. Анализ факторов риска преэклампсии и эклампсии в случаях материнских смертей. Саратовский научно-медицинский журнал 2013; 9(2): 230–234.
9. Suzuki S., Igarashi M. Risk factors for preeclampsia in Japanese twin pregnancies: comparison with those in singleton pregnancies. Arch Gynecol Obstet 2009; 280(3): 389–393, https://doi.org/10.1007/s00404-009-0932-4.
10. López-Carbajal M.J., Manríquez-Moreno M.E., Gálvez-Camargo D., Ramírez-Jiménez E. Risk factors associated to preclampsia. Rev Med Inst Mex Seguro Soc 2012; 50(5): 471–476.
11. Буштырева И.О., Курочка М.П., Гайда О.В. Про­гностические критерии преэклампсии. Российский вестник акушера-гинеколога 2017; 17(2): 59–63, https://doi.org/10.17116/rosakush201717259-63.
12. Giguère Y., Charland M., Bujold E., Bernard N., Grenier S., Rousseau F., Lafond J., Légaré F., Forest J.C. Combining biochemical and ultrasonographic markers in predicting preeclampsia: a systematic review. Clin Chem 2010; 56(3): 361–375, https://doi.org/10.1373/clinchem.2009.134080.
13. Meler E., Figueras F., Bennasar M., Gomez O., Crispi F., Gratacos E. The prognostic role of uterine artery Doppler investigation in patients with severe early-onset preeclampsia. Am J Obstet Gynecol 2010; 202(6): 551–554, https://doi.org/10.1016/j.ajog.2010.01.048.
14. Mulla Z.D., Nuwayhid B.S., Garcia K.M., Flood-Shaffer K., Van Hook J.W., Hampton R.M. Risk factors for a prolonged length of stay in women hospitalized for preeclampsia in Texas. Hypertens Pregnancy 2010; 29(1): 54–68, https://doi.org/10.3109/10641950902777754.
15. Сидорова И.С., Никитина Н.А. Преэклампсия в цент­ре внимания врача-практика. Акушерство и гинекология 2014; 6: 4–9.
16. Волкова Е.В., Лысюк Е.Ю., Джохадзе Л.С., Мака­ров О.В. Особенности изменений про- и антиангиогенных фак­торов у беременных с хронической артериальной ги­пер­­тензией. Российский вестник акушера-гинеко­ло­га 2013; 13(3): 9–13.
17. Perni U.C., Wikström A.K., Cnattingius S., Villamor E. Interpregnancy change in smoking habits and risk of preeclampsia: a population-based study. Am J Hypertens 2012; 25(3): 372–378, https://doi.org/10.1038/ajh.2011.225.
18. Lisonkova S., Joseph K.S. Left truncation bias as a potential explanation for the protective effect of smoking on preeclampsia. Epidemiology 2015; 26(3): 436–440, https://doi.org/10.1097/ede.0000000000000268.
19. Karumanchi S.A., Levine R.J. How does smoking reduce the risk of preeclampsia? Hypertension 2010; 55(5): 1100–1101, https://doi.org/10.1161/hypertensionaha.109.148973.
20. Wikström A.K., Stephansson O., Cnattingius S. Tobacco use during pregnancy and preeclampsia risk: effects of cigarette smoking and snuff. Hypertension 2010; 55(5): 1254–1259,https://doi.org/10.1161/hypertensionaha.109.147082.
21. Россиев Д.А. Медицинская нейроинформатика. В кн.: Ней­роинформатика — 96. URL: http://www.gotai.net/documents/doc-art-003-08.aspx.
22. Гипертензивные расстройства во время беремен­ности, в родах и послеродовом периоде. Преэклампсия. Эклампсия: клинические рекомендации (протокол ле­че­ния). М; 2016.
23. Панова И.А., Рокотянская Е.А., Хлипунова Д.А., Смирнова Е.В. Предикторы преэклампсии у женщин с хронической артериальной гипертензией, беременность которых завершилась преждевременными родами. В кн.: Актуальные вопросы охраны репродуктивного здоровья семьи в свете «Концепции демографической политики на период до 2025 года». Под ред. Малышкиной А.И. Иваново: Издательство МИК; 2014; с. 69–72.
24. Панова И.А., Малышкина А.И., Рокотянская Е.А., Смирнова Е.В. Факторы риска присоединения пре­экламп­сии у женщин с хронической артериальной гипертензией. Российский вестник акушера-гинеколога 2014; 14(6): 37–42.
25. Посисеева Л.В., Талаев А.М., Панова И.А., Тала­ева Е.М. Реоренографические критерии прогнозирования гестоза у беременных с хроническим пиелонефритом. Рос­сийский вестник акушера-гинеколога 2004; 4(4): 4–5.
26. Фетисова И.Н., Панова И.А., Рокотянская Е.А., Ратникова С.Ю., Смирнова Е.В., Фетисов Н.С. Гене­ти­ческие факторы развития преэклампсии. Вестник Ивановской медицинской академии 2015; 20(3): 13–16.
27. Ясинский И.Ф. О сжатии информации при помощи нейросетевой воронки. Известия вузов. Известия выс­ших учебных заведений. Технология текстильной про­мыш­ленности 2012; 5(341): 154–159.
28. Ясинский И.Ф. Синтетический алгоритм оптимизации и настройки нейронных сетей. Известия высших учебных заведений. Технология текстильной промышленности 2007; 3(298): 119–123.
29. Головко В.А. Нейрокомпьютеры и их применение. Книга 4. Нейронные сети: обучение, организация и при­ме­нение. М: ИПРЖР; 2001; 256 с.

Panova I.A., Rokоtyanskаya E.A., Yasinskiy I.F., Malyshkina A.I., Nazarov S.B., Pareyshvili V.V., Bogatova I.K. The Neural Network Technology Application for Prediction of Preeclampsia in Pregnant Women with Chronic Arterial Hypertension. Sovremennye tehnologii v medicine 2018; 10(4): 151, https://doi.org/10.17691/stm2018.10.4.18