Поддержка врачебных решений с помощью глубокого машинного обучения при лечении бесплодия методами вспомогательных репродуктивных технологий

Ю.С. Драпкина¹*, Н.П. Макарова¹, П.Д. Татаурова², Е.А. Калинина¹; ¹ Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова, ² Российский национальный исследовательский медицинский университет имени Н.И. Пирогова

Введение. Анализ данных при помощи машинного обучения (МО) позволяет более точно и таргетно определить наиболее значимые корригируемые и некорригируемые предикторы наступления беременности в программах вспомогательных репродуктивных технологий (ВРТ) у пациенток разных возрастных групп. Анализ данных при помощи различных методов и сравнение результатов, полученных при использовании двух моделей, определит наиболее значимые факторы наступления беременности в программе ВРТ.

Цель исследования. Определить наиболее значимые клинические и эмбриологические предикторы наступления беременности с использованием стандартного регрессионного анализа и алгоритма решающего дерева для прогнозирования наступления беременности в программе ВРТ.

Материалы и методы. В ретроспективное исследование была включена 1 021 супружеская пара. В исследовании были проанализированы данные клинико-лабораторных обследований и параметры стимулированного цикла в зависимости от эффективности программы ВРТ. Для определения наиболее значимых факторов был проведен регрессионный анализ и построен алгоритм решающего дерева с использованием критерия Джини.

Результаты. Были выявлены «общие» признаки, которые требуют дальнейшей валидации на других моделях, в т. ч. с использованием МО: наличие/отсутствие беременностей в анамнезе, параметры стимулированного цикла (ОКК, количество ооцитов MII, количество зигот), показатели спермограммы в день пункции, количество эмбрионов отличного и хорошего качества, а также качество эмбриона.

Выводы. Препарат рФСГ (фоллитропин-альфа, Гонал-ф) дает статистически значимый результат в двух из пяти доступных возрастных группах, фоллитропин-бета, корифоллитропин альфа – только в одной из пяти групп. Построение модели, включающей не только данные анамнеза супружеской пары, но и молекулярные маркеры с использованием методов машинного обучения позволит не только определить наиболее точно максимально перспективные группы пациентов для проведения программы ЭКО, но и повысить эффективность программ ВРТ за счет селекции максимально качественного эмбриона для переноса.