Дикке Галина Борисовна - д.м.н., проф.
190013 Санкт-Петербург, Московский проспект, д. 22, литера М
Galina B. Dikke, MD, Dr Sci Med, Prof.
22 Litera M, Moskovskiy Prospekt, Saint Petersburg 190013
Мудров Виктор Андреевич - д.м.н., проф.
Scopus Author ID: 57204736023
eLibrary SPIN-code: 5821-3203
672000 Чита, ул. Горького, д. 39а
Viktor A. Mudrov - MD, Dr Sci Med, Prof.
Scopus Author ID: 57204736023
eLibrary SPIN-code: 5821-3203
39a Gorky Street, Chita 672000
Эфендиева Рамина Мавлюдиновна
367000 Махачкала, площадь Ленина, д. 1
Ramina M. Efendieva - MD.
1 Lenin Square, Makhachkala 367000
Абусуева Зухра Абусуевна - д.м.н., проф.
367000 Махачкала, площадь Ленина, д. 1
Zukhra A. Abusueva - MD, Dr Sci Med, Prof.
1 Lenin Square, Makhachkala 367000
Introduction. Approximately 20 % of reproductive age women are obese, and more than half of them experience menstrual irregularities, anovulation, and infertility.
Aim: to determine predictors of ovulation restoration and to develop a model for individual treatment selection in patients with obesity and oligo-/amenorrhea based on neural network technology.
Materials and Methods. The prospective randomized controlled study included 80 women – patients with obesity and oligo-/amenorrhea, divided into 2 groups, who received the following therapy for 6 months: 40 patients (group I) – a combination of myoinositol, D-chiroinositol, folic acid and manganese, the other 40 patients (group II) – metformin. After treatment, patients from both groups were divided into two clusters based on the "anovulation/ovulation" criterion. Anthropometric parameters were determined, pelvic organs ultrasound was performed, laboratory tests (indicators of carbohydrate and fat metabolism, amino acids and peptides, hormonal status, blood cytokine levels, inflammation markers, and blood micronutrient composition) were performed. To create a model for predicting ovulation restoration, a multilayer perceptron procedure was used. The diagnostic value of the prognostic model was determined using ROC analysis.
Results. The average age of the patients was 27.9 ± 3.8 years, with the average body mass index (BMI) 33,4 [31.2; 34.0] kg/m2. The following parameters were identified as significant anovulation predictors using neural network analysis: waist-to-hip ratio (WHR), menstrual cycle duration, Homeostasis Model Assessment of Insulin Resistance (HOMA-IR), C-reactive protein, leptin, follicle-stimulating hormone, 25-hydroxycalciferol (vitamin D), and tumour necrosis factor alpha. Because these parameters reflect the metabolic profile in patients, interventions to restore ovulation should primarily be aimed at correcting it. The developed model for predicting the onset of ovulation has a sensitivity of 100 %, specificity of 80 %, accuracy of 93.8 %; the area under the ROC curve is 0.985 (p < 0.001), which allows to consider it sufficiently informative for specific drug selection. For practical purposes, an online calculator for individual drug selection has been developed (accuracy – 91.7 %).
Conclusion. An integrated approach based on neural network analysis of study parameters available for wide clinical practice is promising for predicting the onset of ovulation while using a specific drug due to its high information content.
Введение. Около 20 % женщин репродуктивного возраста страдают ожирением, и у более половины из них наблюдаются нарушения менструального цикла, ановуляция и бесплодие.
Цель: определить предикторы восстановления овуляции и разработать модель индивидуального выбора лечения у пациенток с ожирением и олиго-/аменореей на основе нейросетевой технологии.
Материал и методы. В проспективное рандомизированное контролируемое исследование были включены 80 пациенток с ожирением и олиго-/аменореей, которые были распределены на 2 группы, в течение 6 месяцев получавших следующую терапию: 40 пациенток (группа I) – комбинацию миоинозитола, D-хироинозитола, фолиевой кислоты и марганца, другие 40 пациенток (группа II) – метформин. После лечения пациентки обеих групп были распределены на 2 кластера по признаку «ановуляция/овуляция». Определяли антропометрические показатели, выполняли ультразвуковое исследование (УЗИ) органов малого таза, измеряли параметры углеводного и жирового обмена, гормонального статуса, содержание в крови аминокислот, пептидов, цитокинов, маркеров воспаления, изучали микронутриентный состав крови. Для создания модели прогноза восстановления овуляции использовали процедуру многослойного перцептрона. Прогностическую ценность модели определяли с помощью ROC-анализа.
Результаты. Возраст пациенток в среднем составил 27,9 ± 3,8 лет, индекс массы тела (ИМТ) – 33,4 [31,2; 34,0] кг/м2. В качестве значимых предикторов восстановления овуляции с помощью нейросетевого анализа были определены: отношение объема талии к объему бедер (ОТ/ОБ), продолжительность менструального цикла, индекс инсулинорезистентности (англ. Homeostasis Model Assessment of Insulin Resistance, HOMA-IR), С-реактивный белок, лептин, фолликулостимулирующий гормон, 25-гидроксикальциферол (витамин D), фактор некроза опухоли альфа. Поскольку большинство показателей отражают метаболический профиль пациенток, то вмешательства для восстановления овуляции необходимо в первую очередь направить на его коррекцию. Разработанная модель для прогнозирования наступления овуляции обладает чувствительностью 100 %, специфичностью 80 %, точностью 93,8 %, площадь под ROC-кривой составляет 0,985 (p < 0,001), что позволяет считать модель достаточно информативной для выбора конкретного лекарственного средства. Для практических целей разработан онлайн калькулятор индивидуального выбора препарата (точность – 91,7 %).
Заключение. Комплексный подход, основанный на нейросетевом анализе параметров исследования, доступных для широкой клинической практики, является перспективным для прогнозирования наступления овуляции при применении конкретного препарата ввиду его высокой информативности.
The authors declare that there are no conflicts of interest present.