Obstetrics and GynecologyObstetrics and GynecologyАкушерство и гинекология0300-90922412-5679Bionika Media63210510.18565/aig.2024.47Original ArticlesОригинальные статьиResearch ArticlePredicting the success of in vitro fertilization in patients with chronic endometritis and reproductive disorders using neural network technology (secondary analysis of the results of the TULIP-2 randomized controlled trial)Прогнозирование успеха экстракорпорального оплодотворения у пациенток с хроническим эндометритом и нарушением репродуктивной функции с помощью нейросетевой технологии (вторичный анализ результатов рандомизированного контролируемого испытания «ТЮЛЬПАН 2»)https://orcid.org/0000-0001-9092-9136SukhanovAnton A.СухановАнтон Александрович
Russian Federation

PhD, Head of the Department of Family Planning and Reproduction; Associate Professor, Department of Obstetrics and Gynecology

к.м.н., заведующий отделением планирования семьи и репродукции; доцент кафедры акушерства и гинекологии

saa2505anton@yandex.ruhttps://orcid.org/0000-0001-9524-8962DikkeGalina B.ДиккеГалина Борисовна
Russian Federation

Dr. Med. Sci., Professor, Department of Obstetrics and Gynecology with a Course of Reproductive Medicine

д.м.н., профессор кафедры акушерства и гинекологии с курсом репродуктивной медицины

galadikke@yandex.ruhttps://orcid.org/0000-0002-5961-5400MudrovViktor A.МудровВиктор Андреевич

Dr. Med. Sci., Associate professor, Associate professor, Department of Obstetrics and Gynecology, Faculty of Pediatrics and Faculty of Additional Professional Education

д.м.н., доцент, доцент кафедры акушерства и гинекологии педиатрического факультета и факультета дополнительного профессионального образования

mudrov_viktor@mail.ruhttps://orcid.org/0000-0002-8275-3553KukarskayaIrina I.КукарскаяИрина Ивановна
Russian Federation

Dr. Med. Sci., Professor of the Department of Obstetrics, Gynecology and Reanimatology with a Course of Clinical Laboratory Diagnostics; Chief Physician; Chief Specialist in Obstetrics and Gynecology, Department of Health of the Tyumen Region

д.м.н., профессор кафедры акушерства, гинекологии и реаниматологии с курсом клинической лабораторной диагностики Института непрерывного профессионального развития; главный врач; главный специалист по акушерству и гинекологии Департамента здравоохранения Тюменской области

such-anton@yandex.ruPerinatal Medical CenterГБУЗ Тюменской области «Перинатальный центр»Tyumen State Medical University, Ministry of Health of RussiaФГБОУ ВО «Тюменский государственный медицинский университет» Министерства здравоохранения Российской ФедерацииF.I. Inozemtsev Academy of Medical EducationЧОУ ДПО «Академия медицинского образования имени Ф.И. Иноземцева»Chita State Medical University, Ministry of Health of RussiaФГБОУ ВО «Читинская государственная медицинская академия» Министерства здравоохранения Российской Федерации1704202441031141605202416052024Copyright ©; 2024, Bionika MediaCopyright ©; 2024, ООО «Бионика Медиа»2024Bionika MediaООО «Бионика Медиа»https://journals.eco-vector.com/0300-9092/article/view/632105

When assisted reproductive technologies are used, recurrent implantation failures are observed in 7.7–67.5% of patients with chronic endometritis (CE).

Objective: To develop a predictive model of the probability of clinical pregnancy and live birth in women with uterine infertility due to CE using neural network technology at the stage of selection for in vitro fertilization (IVF) programs with cryotransfer and evaluate the effectiveness of this model.

Materials and methods: The secondary analysis of the results of the TULIP-2 randomized controlled trial was carried out. A total of 188 patients who met the objectives of this analysis were selected from the electronic database. The patients were divided into two comparison groups: group I (n=102) included patients who became pregnant, group II (n=86) included those who did not become pregnant.

Results: The model of predicting the success of IVF was created on the basis of 11 most significant parameters, which were identified after obtaining the results of the logistic analysis. The model was made using neural network technology. In order to predict the outcome of IVF, the following indicators were included in the structure of the multilayer perceptron: treatment, which included a complex of antimicrobial peptides and cytokines, CD-138, pulsation index in radial arteries according to Dopplerometry, oxygenation indices, proliferative activity, structuring according to laser conversion testing, interleukins such as -4, -10, -1ß, tumor necrosis factor-α according to enzyme immunoassay. The accuracy of the prediction was 97.9% (sensitivity is 100.0%, specificity is 96.4%). The information value of the model was confirmed by ROC analysis, the area under the curve (ROC-AUC) was 0.9, p<0.001. An online calculator was developed for the practical use of the model of individual prediction of IVF success.

Conclusion: The model of predicting clinical pregnancy and live birth as a result of IVF in patients with infertility caused by chronic endometritis, using neural network technology, has a high predictive accuracy and makes it possible to determine the need for administering another course (courses) of treatment for chronic endometritis or making a decision on the IVF procedure.

При использовании вспомогательных репродуктивных технологий рецидивирующие неудачи имплантации наблюдаются у 7,7–67,5% пациенток с хроническим эндометритом (ХЭ).

Цель: Разработать с помощью нейросетевой технологии прогностическую модель вероятности наступления клинической беременности и живорождения у женщин с маточной формой бесплодия, обусловленной ХЭ, на этапе отбора в программы экстракорпорального оплодотворения (ЭКО) с криопереносом и оценить ее эффективность.

Материалы и методы: Работа представляет собой вторичный анализ результатов рандомизированного контролируемого испытания «ТЮЛЬПАН 2». Из электронной базы отобраны 188 пациенток, отвечавших целям настоящего анализа. Распределение в группы сравнения: I (n=102) – пациентки, у которых наступила беременность; II (n=86) – беременность не наступила.

Результаты: В результате логистического анализа выделены 11 наиболее значимых параметров, которые были использованы для создания модели прогноза успешности ЭКО на основе нейросетевой технологии. В структуру многослойного персептрона, позволяющего прогнозировать исход ЭКО, были включены показатели: лечение, включавшее комплекс антимикробных пептидов и цитокинов, CD-138, пульсационный индекс в радиальных артериях по данным допплерометрии, индексы оксигенации, пролиферативной активности, структурированности по данным лазерного конверсионного тестирования, интерлейкины-4, -10, -1β, фактор некроза опухоли-α по данным иммуноферментного анализа. Точность прогноза разработанной модели составила 97,9% (чувствительность – 100%, специфичность – 96,4%). Информативность нейросетевого анализа данных подтверждена ROC-анализом (AUC=0,90; p<0,001). Для целей практического применения модели индивидуального прогноза успешности ЭКО разработан онлайн-калькулятор.

Заключение: Модель прогноза наступления клинической беременности и живорождения в результате ЭКО у пациенток с бесплодием, обусловленным ХЭ, с помощью нейросетевой технологии имеет высокую точность прогноза и позволяет либо определить необходимость в проведении повторного(-ых) курса лечения ХЭ, либо принять решение о проведении процедуры ЭКО.

infertilitychronic endometritisprognosisIVFneural network technologyбесплодиехронический эндометритпрогнозЭКОнейросетевая технологияThe study was carried out using own resources. The publication of the article was supported by Pentcroft Pharma Company.Исследование выполнено за счет собственных средств. Публикация статьи поддержана ЗАО «Пенткрофт Фарма».Kimura F., Takebayashi A., Ishida M., Nakamura A., Kitazawa J., Morimune A. et al. Review: Chronic endometritis and its effect on reproduction. J. Obstet. Gynaecol. Res. 2019; 45(5): 951-60. https://dx.doi.org/10.1111/jog.13937.Liu Y., Chen X., Huang J., Wang C.C., Yu M.Y., Laird S., Li T.C. Comparison of the prevalence of chronic endometritis as determined by means of different diagnostic methods in women with and without reproductive failure. Fertil. Steril. 2018; 109(5): 832-9. https://dx.doi.org/10.1016/ j.fertnstert.2018.01.022.Vaduva C.C., Sandulescu M.S., Tenovici M., Siminel M.A., Novac M.B. Results of in vitro fertilization after diagnosis and treatment of chronic endometritis. Eur. Rev. Med. Pharmacol. Sci. 2023; 27(3): 1069-76. https://dx.doi.org/10.26355/eurrev_202302_31203.van Loendersloot L., Repping S., Bossuyt P.M., van der Veen F., van Wely M. Prediction models in in vitro fertilization; where are we? A mini review. J. Adv. Res. 2014; 5(3): 295-301. https://dx.doi.org/10.1016/j.jare.2013.05.002.Kasius A., Smit J.G., Torrance H.L., Eijkemans M.J., Mol B.W., Opmeer B.C., Broekmans F.J. Endometrial thickness and pregnancy rates after IVF: a systematic review and meta-analysis. Hum. Reprod. Update. 2014; 20(4): 530-41. https://dx.doi.org/10.1093/humupd/dmu011.Moshkalova G., Karibayeva I., Kurmanova A., Mamedalieva N., Aimbetova A., Terlikbayeva A. et al. Endometrial thickness and live birth rates after IVF: a systematic review. Acta Biomed. 2023; 94(3): e2023152. https://dx.doi.org/ 10.23750/abm.v94i3.14437.Broer S.L., van Disseldorp J., Broeze K.A., Dolleman M., Opmeer B.C., Bossuyt P. et al. Added value of ovarian reserve testing on patient characteristics in the prediction of ovarian response and ongoing pregnancy: an individual patient data approach. Hum. Reprod. Update. 2013; 19(1): 26-36. https://dx.doi.org/ 10.1093/humupd/dms041.Lukaszuk K., Kunicki M., Liss J., Lukaszuk M., Jakiel G. Use of ovarian reserve parameters for predicting live births in women undergoing in vitro fertilization. Eur. J. Obstet. Gynecol. Reprod. Biol. 2013; 168(2): 173-7. https://dx.doi.org/ 10.1016/j.ejogrb.2013.01.013.Bjercke S., Fedorcsak P., Åbyholm T., Storeng R., Ertzeid G., Oldereid N. et al. IVF/ICSI outcome and serum LH concentration on day 1 of ovarian stimulation with recombinant FSH under pituitary suppression. Hum. Reprod. 2005; 20(9): 2441-7. https://dx.doi.org/10.1093/humrep/dei101.Vaegter K.K., Lakic T.G., Olovsson M., Berglund L., Brodin T., Holte J. Which factors are most predictive for live birth after in vitro fertilization and intracytoplasmic sperm injection (IVF/ICSI) treatments? Analysis of 100 prospectively recorded variables in 8,400 IVF/ICSI single-embryo transfers. Fertil. Steril. 2017; 107(3): 641-8.e2. https://dx.doi.org/10.1016/ j.fertnstert.2016.12.005.McLernon D.J., Steyerberg E.W., Te Velde E.R., Lee A.J., Bhattacharya S. Predicting the chances of a live birth after one or more complete cycles of in vitro fertilisation: population based study of linked cycle data from 113 873 women. BMJ. 2016; 355: i5735. https://dx.doi.org/10.1136/bmj.i5735.Xu T., de Figueiredo Veiga A., Hammer K.C., Paschalidis I.C., Mahalingaiah S. Informative predictors of pregnancy after first IVF cycle using eIVF practice highway electronic health records. Sci. Rep. 2022; 12(1): 839. https://dx.doi.org/10.1038/s41598-022-04814-x.Choi B., Bosch E., Lannon B.M., Leveille M.C., Wong W.H., Leader A. et al. Personalized prediction of first-cycle in vitro fertilization success. Fertil. Steril. 2013; 99(7): 1905-11. https://dx.doi.org/10.1016/ j.fertnstert.2013.02.016.Ratna M.B., Bhattacharya S., Abdulrahim B., McLernon D.J. A systematic review of the quality of clinical prediction models in in vitro fertilisation. Hum. Reprod. 2020; 35(1): 100-16. https://dx.doi.org/10.1093/humrep/dez258.Tomita S. Unlocking the potential of bioanalytical data through machine learning. Anal. Sci. 2023; 39(12): 1937-8. https://dx.doi.org/10.1007/ s44211-023-00447-w.Sfakianoudis K., Maziotis E., Grigoriadis S., Pantou A., Kokkini G., Trypidi A. et al. Reporting on the value of artificial intelligence in predicting the optimal embryo for transfer: a systematic review including data synthesis. Biomedicines. 2022; 10(3): 697. https://dx.doi.org/10.3390/biomedicines10030697.VerMilyea M., Hall J.Z.M.M., Diakiw S.M., Johnston A., Nguyen T., Perugini D. et al. Development of an artificial intelligence-based assessment model for prediction of embryo viability using static images captured by optical light microscopy during IVF. Hum. Reprod. 2020; 35(4): 770-84. https://dx.doi.org/ 10.1093/humrep/deaa013.Mihara M., Yasuo T., Kitaya K. Precision medicine for chronic endometritis: computer-aided diagnosis using deep learning model. Diagnostics (Basel). 2023; 13(5): 936. https://dx.doi.org/10.3390/diagnostics13050936.Суханов А.А., Дикке Г.Б., Остроменский В.В., Кукарская И.И., Шилова Н.В. Течение и исходы беременности, наступившей в результате экстракорпорального оплодотворения, у пациенток с хроническим эндометритом, получавших комплексное лечение с использованием препарата «Суперлимф» на прегравидарном этапе (рандомизированное контролируемое испытание «ТЮЛЬПАН 2»). Акушерство и гинекология. 2023; 8: 123-34. [Sukhanov A.A., Dikke G.B., Ostromensky V.V., Kukarskaya I.I., Shilova N.V. The course and outcomes of pregnancy resulting from in vitro fertilization in patients with chronic endometritis who received complex treatment using the drug “Superlymph” at the preconception stage (randomized controlled trial “TYULPAN 2”). Obstetrics and Gynecology. 2023; (8): 123-34. (in Russian)]. https://dx.doi.org/10.18565/ aig.2023.190.Vaduva C.C., Sandulescu M.S., Tenovici M., Siminel MA., Novac M.B. Results of in vitro fertilization after diagnosis and treatment of chronic endometritis. Eur. Rev. Med. Pharmacol. Sci. 2023; 27(3): 1069-76. https://dx.doi.org/10.26355/eurrev_202302_31203.Тапильская Н.И., Толибова Г.Х., Савичева А.М., Копылова А.А., Глушаков Р.И., Будиловская О.В. и др. Эффективность локальной цитокинотерапии хронического эндометрита пациенток с бесплодием. Акушерство и гинекология. 2022; 2: 91-100. [Tapilskaya NI., Tolibova G.Kh., Savicheva A.M., Kopylova A.A., Glushakov R.I., Budilovskaya O.V., et al. Efficacy of local cytokine therapy for chronic endometritis in infertile patients. Obstetrics and Gynecology. 2022; (2): 91-100. (in Russian)]. https://dx.doi.org/10.18565/aig.2022.2.91-100.Доброхотова Ю.Э., Ганковская Л.В, Боровкова Е.И., Зайдиева З.С., Скальная В.С. Модулирование локальной экспрессии факторов врожденного иммунитета у пациенток с хроническим эндометритом и бесплодием. Акушерство и гинекология. 2019; 5: 125-32. [Dobrokhotova Yu.E., Gankovskaya L.V., Borovkova E.I., Zaidieva Z.S., Skalnaya V.S. Modulation of local expression of innate immunity factors in patients with chronic endometritis and infertility. Obstetrics and Gynecology. 2019; (5): 125-32. (in Russian)]. https://dx.doi.org/10.18565/aig.2019.5.125-132.Дикке Г.Б., Суханов А.А., Кукарская И.И., Остроменский В.В. Цитокиновый профиль пациенток с хроническим эндометритом и нарушением репродуктивной функции. Вопросы гинекологии, акушерства и перинатологии. 2021; 20(6): 82-91. [Dikke G.B., Sukhanov A.A., Kukarskaya I.I., Ostromensky V.V. Cytokine profile of patients with chronic endometritis and reproductive dysfunction. Gynecology, Obstetrics and Perinatology. 2021; 20(6): 82-91. (in Russian)]. https://dx.doi.org/10.20953/ 1726-1678-2021-6-82-91.Квашнина Е.В., Гвоздикова Т.В., Дружинина А.Ю., Мастерова И.А., Мурунова С.В., Плотавская Т.Б., Тутаков М.А., Павлюченкова С.М., Шилова Н.В., Дикке Г.Б. Роль мио-инозитола в подготовке женщин к программам вспомогательных репродуктивных технологий. Акушерство и гинекология. 2020; 11: 139-46. [Kvashnina E.V., Gvozdikova T.V., Druzhinina A.Yu., Masterova I.A., Murunova S.V., Plotavskaya T.B., Tutakov M.A., Pavlyuchenkova S.M., Shilova N.V., Dikke G.B. The role of myo-inositol in preparing women for programs assisted reproductive technologies. Obstetrics and Gynecology. 2020; (11): 139-46. (in Russian)]. https://dx.doi.org/10.18565/aig.2020.11.139-146.Liu M., Yuan Y., Qiao Y., Tang Y., Sui X., Yin P., Yang D. The effectiveness of immunomodulatory therapies for patients with repeated implantation failure: a systematic review and network meta-analysis. Sci. Rep. 2022; 12(1): 18434. https://dx.doi.org/10.1038/s41598-022-21014-9.Зиганшин А.М., Дикке Г.Б., Мудров В.А. Прогнозирование клинически узкого таза с помощью нейросетевого анализа данных. Акушерство, гинекология и pепродукция. 2023; 17(2): 210-9. [Ziganshin A.M., Dikke G.B., Mudrov V.A. Prediction of clinically narrow pelvis using neural network data analysis. Obstetrics, Gynecology and Reproduction. 2023; 17(2): 210-9. (in Russian)]. https://dx.doi.org/10.17749/2313-7347/ ob.gyn.rep.2023.382.Андрейченко А.Е., Лучинин А.С., Ившин А.А., Ермак А.Д., Новицкий Р.Э., Гусев А.В. Разработка и валидация моделей прогнозирования общего риска преэклампсии и риска ранней преэклампсии с использованием алгоритмов машинного обучения в первом триместре беременности. Акушерство и гинекология. 2023; 10: 94-107. [Andreichenko A.E., Luchinin A.S., Ivshin A.A., Ermak A.D., Novitsky R.E., Gusev A.V. Development and validation of models for predicting the overall risk of preeclampsia and the risk of early preeclampsia using machine learning algorithms in the first trimester of pregnancy. Obstetrics and Gynecology. 2023; 10: 94-107. (in Russian)]. https://dx.doi.org/10.18565/aig.2023.101.MacEachern S.J., Forkert N.D. Machine learning for precision medicine. Genome. 2020; 64(4): 416-25. https://dx.doi.org/10.1139/ gen-2020-0131.Siristatidis C., Pouliakis A., Chrelias C., Kassanos D. Artificial intelligence in IVF: a need. Syst. Biol. Reprod. Med. 2011; 57(4): 179-85. https://dx.doi.org/ 10.3109/19396368.2011.558607.Curchoe C.L., Bormann C.L. Artificial intelligence and machine learning for human reproduction and embryology presented at ASRM and ESHRE 2018. J. Assist. Reprod. Genet. 2019; 36(4): 591-600. https://dx.doi.org/10.1007/s10815-019-01408-x.Zaninovic N., Rosenwaks Z. Artificial intelligence in human in vitro fertilization and embryology. Fertil. Steril. 2020; 114(5): 914-20. https://dx.doi.org/ 10.1016/j.fertnstert.2020.09.157.Hansen K.R., He A.L., Styer A.K., Wild R.A., Butts S., Engmann L. et al. Eunice Kennedy Shriver National Institute of Child Health and Human Development Reproductive Medicine Network. Predictors of pregnancy and live-birth in couples with unexplained infertility after ovarian stimulation-intrauterine insemination. Fertil. Steril. 2016; 105(6): 1575-83.e2. https://dx.doi.org/10.1016/j.fertnstert.2016.02.020.Kuru Pekcan M., Tokmak A., Ulubasoglu H., Kement M., Özakşit G. The importance of infertility duration and follicle size according to pregnancy success in women undergoing ovulation induction with gonadotropins and intrauterine insemination. J. Obstet. Gynaecol. 2023; 43(1): 2173058. https://dx.doi.org/ 10.1080/01443615.2023.2173058.Zhang L., Cai H., Li W., Tian L., Shi J. Duration of infertility and assisted reproductive outcomes in non-male factor infertility: can use of ICSI turn the tide? BMC Womens Health. 2022; 22(1): 480. https://dx.doi.org/10.1186/s12905-022-02062-9.Abdelazim I., Purohit P., Farag R., Zhurabekova G. Unexplained infertility: prevalence, possible causes and treatment options. A review of the literature. J. Obstet. Gynecol. Investigations. 2018; 1(1): 17-22. https://dx.doi.org/10.5114/jogi.2018.74250.Liu J., Liu ZA., Liu Y., Cheng L., Yan L. Impact of antibiotic treatment for chronic endometritis on pregnancy outcomes in women with reproductive failures (RIF and RPL): A systematic review and meta-analysis. Front. Med. (Lausanne). 2022; 9: 980511. https://dx.doi.org/10.3389/ fmed.2022.980511.Buzzaccarini G., Vitagliano A., Andrisani A., Santarsiero C.M., Cicinelli R., Nardelli C. et al. Chronic endometritis and altered embryo implantation: a unified pathophysiological theory from a literature systematic review. J. Assist. Reprod. Genet. 2020; 37(12): 2897-911. https://dx.doi.org/10.1007/ s10815-020-01955-8.Зуев В.М., Александров М.Т., Хомерики Т.А., Чернышов Г., Метревели Б.Г., Попов С.Н. и др. Клиническое значение лазерного конверсионного тестирования (ЛКТ) в диагностике и лечении хронического эндометрита. Вестник РУДН. Cерия: Медицина. 2012; 6: 95-101. [Zuev V.M., Aleksandrov M.T., Khomeriki T.A., Chernyshov G., Metreveli B.G., Popov S.N. et al. Clinical significance of laser conversion testing (LCT) in diagnosis and treatment of chronic endometritis. Bulletin of RUDN University, Medicine series. 2012; 6: 95-101. (in Russian)]. Available at: https://cyberleninka.ru/article/Осипова А.Д., Зуев В.М., Александров М.Т. Значение экспресс-метода лазерной конверсионной диагностики (раман-флуоресцентной составляющей) патологических процессов эндометрия у женщин в перименопаузе. Архив акушерства и гинекологии им. В. Ф. Снегирева. 2019; 2: 85-9. [Osipova A.D., Zuev V.M., Aleksandrov M.T. The significance of the express method of laser conversion diagnostics (Raman fluorescent component) of pathological processes of the endometrium in perimenopausal women. Archive of Obstetrics and Gynecology named after. V.F. Snegirev. 2019; (2): 85-9. (in Russian)]. https://dx.doi.org/10.18821/ 2313-8726-2019-6-2-85-89.Суханов А.А., Дикке Г.Б. Дефект имплантации эмбриона. Положительный прогноз – залог успешного ЭКО. Акушерство и гинекология сегодня. 2023; 4: 10-11. [Sukhanov A.A., Dikke G.B. Embryo implantation defect. A positive prognosis is the key to successful IVF. Obstetrics and Gynecology Today. 2023; (4): 10-11. (in Russian)]. Available at: https://abvpress.ru/