Зиганшин Айдар Миндиярович, д.м.н., проф.
450008, Уфа, ул. Ленина, д. 3
Aidar M. Ziganshin, MD, Dr Sci Med, Prof.
3 Lenin Str., Ufa 450008
Дикке Галина Борисовна, д.м.н., проф.
190013 Санкт-Петербург, Московский проспект, д. 22, лит. М
Galina B. Dikke, MD, Dr Sci Med, Prof.
22 lit. М, Moskovskiy Prospekt, Saint Petersburg 190013
Янбарисова Алия Ринатовна
450008, Уфа, ул. Ленина, д. 3
Aliya R. Yanbarisova
3 Lenin Str., Ufa 450008
Aim: to create a model for predicting emergence of uterine leiomyoma (UL) using neural network analysis of risk factors and to evaluate its prognostic characteristics.
Materials and Methods. A retrospective case-control study with 209 patients aged 20–47 years was performed covering the years from 2022 to 2024. Two groups of patients were identified: 1 – 106 women with UL, 2 – 103 patients without UL. Preliminary data processing was carried out, followed by a quantitatively analyzed relationship between risk factors and UL development using neural network analysis. The multilayer perceptron method was used to create a prognostic model for predicting UL emergence.
Results. During the study, there were selected 12 model-based factors showing statistically significant inter-group differences: body mass index (BMI), age at menarche, number of abortions and spontaneous abortions, age at first birth, presence of arterial hypertension (AH), benign ovarian tumors, history of in vitro fertilization, level of anti-Müllerian hormone, number of pregnancies, serum cholesterol and glucose levels. The prediction accuracy for the developed model was 92.3 %, sensitivity – 90.6 %, specificity – 94.2 %. The predictive value was confirmed using ROC analysis – the area under the curve was 0.93 (95 % confidence interval = 0.91–0.94; p < 0.001), which proves the promise of this method for clinical practice. Modifiable and potentially modifiable factors included increased BMI, AH, benign ovarian tumors, cholesterol and glucose levels. Such factors are considered as most relevant, due to an opportunity to be directly or indirectly affected, which proves an importance for preventive approach to this disease.
Conclusion. The developed model is an effective tool for predicting UL emergence (accuracy 92.3%), the use of which in clinical practice will allow shifting from the established paradigm of radical treatment to a preventive approach.
Цель: создать модель прогноза возникновения лейомиомы матки (ЛМ) на основе анализа факторов риска с помощью нейронной сети и оценить ее прогностические характеристики.
Материалы и методы. В период с 2022 г. по 2024 г. выполнено ретроспективное исследование «случай–контроль» 209 пациенток в возрасте 20–47 лет, среди которых были выделены 2 группы: группа 1 – 106 женщин с ЛМ, группа 2 – 103 пациентки без ЛМ. Проведена предварительная обработка данных с последующим количественным анализом взаимосвязи факторов риска с развитием ЛМ с помощью нейросетевого анализа. Для создания прогностической модели возникновения ЛМ применялся метод многослойного перцептрона.
Результаты. В ходе проведенного исследования программой было отобрано 12 факторов, имевших статистически значимые различия при сравнении 2 групп: индекс массы тела (ИМТ), возраст менархе, число абортов и самопроизвольных абортов, возраст первых родов, наличие артериальной гипертензии (АГ), доброкачественных образований яичников, экстракорпоральное оплодотворение в анамнезе, уровень антимюллерова гормона, количество беременностей, содержание холестерина и глюкозы в крови. Точность прогноза разработанной модели составила 92,3 %, чувствительность – 90,6 %, специфичность – 94,2 %. Прогностическая ценность подтверждена с помощью ROC-анализа – площадь под кривой составила 0,93 (95 % доверительный интервал = 0,91–0,94; р < 0,001), что доказывает перспективность данного метода для клинической практики. В число модифицируемых и потенциально-модифицируемых факторов вошли повышенный ИМТ, наличие АГ, доброкачественные новообразования яичников, содержание холестерина и глюкозы. Эти факторы представляются наиболее актуальными ввиду возможности оказать на них прямое или непрямое воздействие, что доказывает значимость превентивного подхода к данному заболеванию.
Заключение. Разработанная модель является эффективным инструментом прогноза возникновения ЛМ (точность 92,3 %), использование которой в клинической практике позволит изменить устоявшуюся парадигму радикального лечения на превентивный подход.
The authors declare that there are no conflicts of interest present.