ЖурналыПодпискаАрхивКнигиПроектыО насРекламаДоставка/ОплатаКонтакты
+7 (495) 482-43-29
  • Главная
  • / Журналы
  • / Вернуться в журнал
  • / Содержание номера
  • / Статья
Использование нейросетевых технологий для прогнозирования преждевременных родов

Использование нейросетевых технологий для прогнозирования преждевременных родов

Авторы:
Надежда Юрьевна Борзова,
Алла Олеговна Назарова,
Игорь Федорович Ясинский,
Анна Ивановна Малышкина,
Ирина Александровна Панова

Журнал: Российский вестник акушера-гинеколога. 2026;26(5):27-37.

DOI: 10.17116/rosakush20262605127

Прочитано: 95 раз

Резюме

ЦЕЛЬ ИССЛЕДОВАНИЯ

Разработка модели раннего прогнозирования преждевременных родов на основе принципов нейросетевой технологии.

МАТЕРИАЛ И МЕТОДЫ

Проведено сплошное ретро- и проспективное обследование 1417 беременных в ранние сроки беременности: у 131 пациентки беременность завершилась преждевременными родами, у 1286 — своевременными. Для выявления факторов риска развития преждевременных родов проанализированы 36 показателей, полученных из медицинской документации и по результатам анкетирования. Математическая модель прогнозирования преждевременных родов построена с помощью нейросетевой аппроксимации, использован метод кросс-валидации для оценки стабильности и обобщающей способности модели.

РЕЗУЛЬТАТЫ

Разработанная модель прогнозирования преждевременных родов показала среднюю точность (accuracy) в размере 0,7573 при чувствительности метода 0,7571. Интегральная характеристика ROC—AUC имеет значение 0,8492.

ЗАКЛЮЧЕНИЕ

Применение модели прогнозирования преждевременных родов дает возможность уже на ранних сроках гестации идентифицировать пациенток с высоким риском развития данной патологии. Это позволяет реализовать персонифицированный подход и своевременно провести профилактические мероприятия, что обосновывает целесообразность внедрения данной модели в клиническую практику.

Ключевые слова

  • преждевременные роды
  • прогнозирование
  • машинное обучение
  • нейросетевые технологии

Участие авторов

Концепция и дизайн исследования — Борзова Н.Ю., Малышкина А.И.
Сбор и обработка материала — Назарова А.О.
Статистическая обработка — Ясинский И.Ф., Назарова А.О.
Написание текста — Борзова Н.Ю.
Редактирование — Панова И.А.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Дата поступления: 13.04.2026

Дата принятия в печать: 19.08.2026

Дата публикации: 28.10.2026

Литература / References
  1. Ходжаева З.С., Гусейнова Г.Э., Горина К.А. Преждевременные роды: актуальные вопросы акушерского менеджмента. Медицинский оппонент. 2018;1:2:70-76.
  2. Акушерство: Национальное руководство. 2-е изд., перераб. и доп. Под ред. Г.М. Савельевой, Г.Т. Сухих, В.Н. Серова, В.Е. Радзинского. М.: ГЭОТАР-Медиа. 2019;1080.
  3. Преждевременные роды. Клинические рекомендации. М.: Министерство здравоохранения Российской Федерации. 2020;66.
  4. WHO recommendations on interventions to improve preterm birth outcomes. Geneva: World Heal Organ. 2015;98.
  5. Радзинский В.Е., Костин И.Н., Оленев А.С., Гагаев Ч.Г., Парыгина А.Н., Гаврилова А.А., Гагаев Д.Ч., Дамирова К.Ф., Кузнецова О.А., Смирнова Т.В. Преждевременные роды — нерешенная мировая проблема. Акушерство и гинекология: новости, мнения, обучение. 2018;6:3:55-64. https://doi.org/10.24411/2303-9698-2018-13909
  6. Мудров В.А., Зиганшин А.М., Ящук А.Г., Даутова Л.А., Бадранова Р.Ш. Возможности диагностики и прогнозирования преждевременных родов на современном этапе. Казанский медицинский журнал. 2021;102:1:47-59. https://doi.org/10.17816/KMJ2021-47
  7. Gao C, Osmundson S, Velez Edwards DR, Jackson GP, Malin BA, Chen Y. Deep learning predicts extreme preterm birth from electronic health records. Journal of Biomedical Informatics. 2019;100:103334. https://doi.org/10.1016/j.jbi.2019.103334
  8. Мочалова М.Н., Мудров В.А., Новокшанова С.В. Роль интранатальных факторов риска в патогенезе родовой травмы. Acta Biomedica Scientifica. 2020;5:1:7-14. https://doi.org/10.29413/ABS.2020-5.1.1
  9. Celik E, To M, Gajewska K, Smith GC, Nicolaides KH; Fetal Medicine Foundation Second Trimester Screening Group. Cervical length and obstetric history predict spontaneous preterm birth: development and validation of a model to provide individualized risk assessment. Ultrasound Obstet Gynecol. 2008;31:5:549-554. https://doi.org/10.1002/uog.5333
  10. Яковлева О.В., Глухова Т.Н. Сравнительная эффективность предикторов преждевременных родов. Лечащий врач. 2019;3:52.
  11. Смирнова А.В., Борзова Н.Ю., Малышкина А.И., Таланова И.Е. Перспективы прогнозирования преждевременных родов. Российский вестник акушера-гинеколога. 2023;23:6-2:127-134. https://doi.org/10.17116/rosakush202323062127
  12. Назарова А.О., Малышкина А.И., Назаров С.Б. Факторы риска спонтанных преждевременных родов: результаты клинико-эпидемиологического исследования. Акушерство и гинекология. 2019;9:82-86. https://doi.org/10.18565/aig.2019.9.82-86
  13. Николаева А.С., Танышева Г.А. Современные аспекты прогнозирования и профилактики преждевременных родов. Обзор литературы. Наука и здравоохранение. 2019;21:5:23-36.
  14. Мамедова М.А., Беженарь В.Ф. Прогнозирование преждевременных родов: текущее состояние и перспективы. Акушерство и гинекология Санкт-Петербурга. 2018;1:31-34.
  15. Смирнова А.В., Борзова Н.Ю., Сотникова Н.Ю., Малышкина А.И. Клинико-иммунологические факторы риска очень ранних преждевременных родов. Проблемы репродукции. 2020;26:2:113-119. https://doi.org/10.17116/repro202026021113
  16. Смирнова А.В., Борзова Н.Ю., Малышкина А.И., Сотникова Н.Ю. Роль рецептора для конечных продуктов гликирования (RAGE) и его лигандов в репродукции человека. Акушерство и гинекология. 2020;7:20-26. https://doi.org/10.18565/aig.2020.7.20-26
  17. Ившин А.А., Болдина Ю.С., Гусев А.В. Роль искусственного интеллекта в прогнозировании преждевременных родов. Проблемы репродукции. 2021;27:5:121-129. https://doi.org/10.17116/repro202127051121
  18. Гусев А.В., Владзимирский А.В., Гавриленко Г.Г. Методический подход и рекомендации по научному описанию создания и валидации модели машинного обучения. Медицинские технологии. Оценка и выбор. 2022;44:3:12-30. https://doi.org/10.17116/medtech20224403112
  19. Phillips C, Velji Z, Hanly C, Metcalfe A. Risk of recurrent spontaneous preterm birth: a systematic review and meta-analysis. BMJ Open. 2017;7(6):e015402. https://doi.org/10.1136/bmjopen-2016-015402
  20. Frey HA, Klebanoff MA. The epidemiology, etiology, and costs of preterm birth. Semin in Fetal Neonatal Med. 2016;21:2:68-73. https://doi.org/10.1016/j.siny.2015.12.011
  21. Koullali B, Oudijk MA, Nijman TA, Mol BWJ, Pajkrt E. Risk assessment and management to prevent preterm birth. Seminars in Fetal & Neonatal Medicine. 2016;21:2:80-88. https://doi.org/10.1016/j.siny.2016.01.005
  22. Varley-Campbell J, Mújica-Mota R, Coelho H, Ocean N, Barnish M, Packman D, Dodman S, Cooper C, Snowsill T, Kay T, Liversedge N, Parr M, Knight L, Hyde C, Shennan A, Hoyle M. Three biomarker tests to help diagnose preterm labour: a systematic review and economic evaluation. Health technology assessment. 2019;23:13:1-226. https://doi.org/10.3310/hta23130
  23. Фаткуллина Л.С., Мулендеева М.А. Поздние преждевременные роды: факторы риска, прогнозирование, управление рисками (обзор 2018—2023 гг.). Акушерство и гинекология: новости, мнения, обучение. 2024;12:(S):99-104. https://doi.org/10.33029/2303-9698-2024-12-suppl-99-104
  24. Беглов Д.Е., Новикова О.Н., Артымук Н.В. Возможности прогнозирования преждевременных родов. Мать и Дитя в Кузбассе. 2024;1:96:4-9. https://doi.org/10.24412/2686-7338-2024-1-4-9
  25. Чурсина О.В. Разработка и внедрение метода прогнозирования ранних преждевременных родов в 1 триместре беременности. Вестник новых медицинских технологий. 2024;3:3:68-70. https://doi.org/10.24412/1609-2024-3-68-70
  26. Vovsha I, Rajan A, Salleb A, Raja A, Radeva A, Diab H, Tomar A, Wapner R. Predicting preterm birth is not elusive: Machine learning paves the way to individual wellness. AAAI Spring Symposium. 2014;22:82-89.
  27. Malea A-G, Holban Ş, Melita N. Analysis and Determination of Risk Factors Leading to Preterm Birth Using Data Mining Techniques in R. 10th International Conference on Development and Application Systems. Suceava, 2010;86-87.
  28. Gao C, Osmundson S, Velez Edwards DR, Jackson GP, Malin BA, Chen Y. Deep learning predicts extreme preterm birth from electronic health records. Journal of Biomedical Informatics. 2019;100:103334. https://doi.org/10.1016/j.jbi.2019.103334
  29. Koivu A, Sairanen M. Predicting risk of stillbirth and preterm pregnancies with machine learning. Health Information Science and Systems. 2020;8:1:14. https://doi.org/10.1007/s13755-020-00105-9
  30. Lee K-S, Ahn KH. Artificial neural network analysis of spontaneous preterm labor and birth and its major determinants. Journal of Korean Medical Science. 2019;34:16:128. https://doi.org/10.3346/jkms.2019.34.e128
  31. Rawashdeh H, Awawdeh S, Shannag F, Henawi E, Faris H, Obeid prediction of preterm birth for women with cervical cerclage. Computational Biology and Chemistry. 2020;85:107233. https://doi.org/10.1016/j.compbiolchem.2020.107233
  32. Zhang Y, Du S, Hu T, Xu S, Lu H, Xu C, Li J, Zhu X. Establishment of a model for predicting preterm birth based on the machine learning algorithm. BMC Pregnancy Childbirth. 2023;23:1:779. https://doi.org/10.1186/s12884-023-06058-7
  33. Акимова А.А., Ванданова В.А., Катовщикова А.В., Новопашина Г.Н. Возможности нейросетевого анализа данных в прогнозировании преждевременных родов. Вестник Бурятского государственного университета. Медицина и фармация. 2022;2:24-28. https://doi.org/10.18101/2306-1995-2022-2-24-28
  34. Болдина Ю.С., Ившин А.А., Светова К.С. Разработка и валидация системы прогнозирования преждевременных родов на основе технологий искусственного интеллекта и клинических данных. Акушерство и гинекология. 2025;12:74-87. https://doi.org/10.18565/aig.2025.213
slide-cover

Рекомендуем статьи по данной теме:

Влияние перенесенных COVID-19 и гриппа на развитие акушерских осложнений и исходы беременности.Российский вестник акушера-гинеколога. 2026;26(5):21-26

Мультимодальная интеграция биоинформатических данных и цифровой патоморфологии как инструмент прецизионной онкологии. Часть 1. Разработка прогностических моделей на основе мультиомиксных данных и машинного обучения: обзор литературы.Архив патологии. 2026;88(5):46-55

Оптимизация диагностики уросепсиса: обоснование включения экспрессии гена ИЛ-6 в диагностический алгоритм.Анестезиология и реаниматология. 2026;(5):47-52

Как искусственный интеллект меняет повседневную работу врача-терапевта? Обзор мирового и российского опыта.Медицинские технологии. Оценка и выбор. 2026;48(3):46-52

Возможности и ограничения искусственного интеллекта во флебологии: результаты систематического обзора литературы с метаанализом.Флебология. 2026;20(3):220-248

Разработка методологических подходов к использованию машинного обучения в системе диспансерного наблюдения пациентов, перенесших инфаркт миокарда.Профилактическая медицина. 2026;29(8):106-112

Прогнозирование успеха дентальной имплантации с использованием искусственного интеллекта и машинного обучения.Российская стоматология. 2026;19(1-2):165-173

Сравнение подходов к прогнозированию сепсиса у реанимационных пациентов, длительно находящихся в условиях отделения реанимации и интенсивной терапии.Анестезиология и реаниматология. 2026;(2):7-18

Возможности искусственного интеллекта при рассеянном склерозе.Журнал неврологии и психиатрии им. С.С. Корсакова. 2025;125(5):14-21

Сравнение моделей прогнозирования спонтанных преждевременных родов.Медицинские технологии. Оценка и выбор. 2024;46(4):10-19

Издательство «Медиа Сфера»
РекламаДоставка/ОплатаО насКонтактыОбучение для редакцийПолитика конфиденциальностиПолитика обработки персональных данныхПубличная оферта на реализацию издательской продукции
ЖурналыПодпискаАрхивКнигиПроекты
  • RuStore

© 1998-2026

  • Телефоны издательства:

  • +7 (495) 482-41-18
  • +7 (495) 482-43-29

  • Прямой телефон отдела подписки
    (только по вопросам заказов и доставки журналов)

  • +7 (800) 250-18-12

  • пн-пт с 10:00 до 18:00

  • Telegram
  • VK
info@mediasphera.ru

  • Почтовый адрес:

  • Издательство «Медиа Сфера»,
    а/я 54, Москва, Россия, 127238

  • RuStore

© 1998-2026