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»)

Обложка
  • Авторы: Суханов А.А.1,2, Дикке Г.Б.3, Мудров В.А.4, Кукарская И.И.1,2
  • Учреждения:
    1. ГБУЗ Тюменской области «Перинатальный центр»
    2. ФГБОУ ВО «Тюменский государственный медицинский университет» Министерства здравоохранения Российской Федерации
    3. ЧОУ ДПО «Академия медицинского образования имени Ф.И. Иноземцева»
    4. ФГБОУ ВО «Читинская государственная медицинская академия» Министерства здравоохранения Российской Федерации
  • Выпуск: № 4 (2024)
  • Страницы: 103-114
  • Раздел: Оригинальные статьи
  • URL: https://journals.eco-vector.com/0300-9092/article/view/632105
  • DOI: https://doi.org/10.18565/aig.2024.47
  • ID: 632105

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

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.

Полный текст

Доступ закрыт

Об авторах

Антон Александрович Суханов

ГБУЗ Тюменской области «Перинатальный центр»; ФГБОУ ВО «Тюменский государственный медицинский университет» Министерства здравоохранения Российской Федерации

Автор, ответственный за переписку.
Email: saa2505anton@yandex.ru
ORCID iD: 0000-0001-9092-9136

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

Россия, Тюмень; Тюмень

Галина Борисовна Дикке

ЧОУ ДПО «Академия медицинского образования имени Ф.И. Иноземцева»

Email: galadikke@yandex.ru
ORCID iD: 0000-0001-9524-8962

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

Россия, Санкт-Петербург

Виктор Андреевич Мудров

ФГБОУ ВО «Читинская государственная медицинская академия» Министерства здравоохранения Российской Федерации

Email: mudrov_viktor@mail.ru
ORCID iD: 0000-0002-5961-5400

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

Чита

Ирина Ивановна Кукарская

ГБУЗ Тюменской области «Перинатальный центр»; ФГБОУ ВО «Тюменский государственный медицинский университет» Министерства здравоохранения Российской Федерации

Email: such-anton@yandex.ru
ORCID iD: 0000-0002-8275-3553

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

Россия, Тюмень; Тюмень

Список литературы

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
  23. 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.
  24. 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.
  25. 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.
  26. 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.
  27. 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.
  28. 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.
  29. 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.
  30. 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.
  31. 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.
  32. 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.
  33. 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.
  34. 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.
  35. 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.
  36. 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.
  37. 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.
  38. 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/
  39. 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.
  40. 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/

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Структура многослойного персептона, позволяющего прогнозировать исход ЭКО у пациенток с бесплодием после лечения ХЭ

Скачать (57KB)
Метаданные
3. Рис. 2. Важность изучаемых параметров в структуре разработанной нейронной сети

Скачать (29KB)
Метаданные
4. Рис. 3. ROC-анализ вероятности исхода ЭКО у пациенток с бесплодием, обусловленным ХЭ после проведенного лечения

Скачать (23KB)
Метаданные
5. Рис. 4. Интерфойс Программы индинидуального прогнозирования вероятности беременности/живорождения у пациенток с ХЭ до выполнения ЭКО (калькулятор онлайн). А - пример положительного результата (беременность с живорождением); Б - пример сомнительного результата (беременность с неблагоприятным исходом); В - пример отрицательного результата (отсутствие беременности)

Скачать (845KB)
Метаданные

© ООО «Бионика Медиа», 2024

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах