Перспективные методы пренатальной диагностики на основе пассивных датчиков и машинного обучения

Введение / Introduction

Пренатальная диагностика является обязательным компонентом скрининга беременных, но существующие методы оценки функционального состояния плода имеют ряд ограничений. В настоящее время наиболее широко используемыми методами пренатальной диагностики являются ультразвуковое исследование (УЗИ) и кардитокография (КТГ).

Ультразвуковое исследование – метод диагностики, основанный на генерации звуковых волн высокой частоты, который позволяет визуализировать активность плода, оценивать его размеры и положение, выявлять различные анатомические аномалии. Однако метод не предусмотрен для непрерывного длительного мониторинга, а предназначен для оценки состояния плода лишь в узком временном интервале. Кроме того, УЗИ требует применения дорогостоящего громоздкого оборудования и помощи обученного медицинского персонала, а активные ультразвуковые волны при длительной экспозиции имеют известные неблагоприятные физические эффекты в виде нагревания тканей и эффекта кавитации и могут оказывать потенциальное негативное влияние на плод и течение беременности при длительном использовании.

Кардиотокография представляет собой метод функциональной оценки состояния плода во время беременности и родов, базирующийся на регистрации сердцебиения плода с помощью ультразвуковых волн. В основе данного метода лежит принцип изменения частоты и длины волны излучения, известный как эффект Доплера, при котором ультразвуковая волна, отражаясь от сокращающегося сердца плода, изменяет частоту. Кардиотокограф измеряет сердцебиение плода и сокращение матки и позволяет выявлять признаки дистресса плода. Главными недостатками КТГ являются недостаточно высокая диагностическая чувствительность и специфичность и отсутствие прогностической значимости. Метод требует использования сложного оборудования и помощи опытного медицинского персонала, а приборы для КТГ стационарны и не дают возможности наблюдения за плодом вне медицинских организаций.

В настоящее время в медицине активно развиваются технологии замещения амбулаторных диагностических процедур на дистанционный мониторинг в домашних условиях. Это обусловлено тем, что дистанционный мониторинг позволяет своевременно выявлять изменение состояния здоровья пациента, динамически оценивать эффективность проводимого лечения и таким образом снижать нагрузку на амбулаторно-поликлиническое звено. Дистанционный мониторинг в акушерской практике является перспективным направлением пренатальной медицины и является оптимальным с медико-экономических позиций [1], но его внедрение требует обоснованного учета таких факторов как безопасность, эффективность и стоимость медицинской услуги.

Действующие протоколы наблюдения за течением беременности, основанные на применении УЗИ и КТГ, имеют ряд недостатков, главный из которых – ограничение времени одномоментного наблюдения за состоянием матери и плода и количества процедур во время беременности¹, в результате чего невозможно их использование для непрерывного суточного мониторинга [2].

Таким образом, существует необходимость разработки и внедрения систем для непрерывного длительного фетального мониторинга, обладающих высокой диагностической и прогностической значимостью за счет регулярной регистрации и анализа показателей жизнедеятельности плода и не оказывающих при этом негативного влияния на его состояние и здоровье беременной. Одним из перспективных направлений в этой области является использование пассивных датчиков – цифровых микрофонов и акселерометров для измерения жизненно-важных показателей плода, что в сочетании с микроконтроллерами и системами анализа данных в режиме реального времени на основе алгоритмов искусственного интеллекта (ИИ) позволит создавать недорогие и удобные в использовании решения для пренатального скрининга.

Цель: обобщение передовых мировых разработок, альтернативных ультразвуковым системам длительного фетального мониторинга, позволяющих в режиме реального времени непрерывно регистрировать с помощью пассивных датчиков показатели жизнедеятельности плода и анализировать тренды с потенциально высокой диагностической и прогностической точностью.

Материалы и методы / Materials and Мethods

Для достижения поставленной цели последовательно решались следующие задачи:

– изучить передовые инновационные технологии фетального мониторинга, позволяющие анализировать частоту сердечных сокращений (ЧСС) и двигательную активность плода без применения ультразвука;

– установить технический уровень подготовки, особенности конструктивной и программной реализации указанных систем;

– определить пути развития систем длительного фетального мониторинга на основе безопасных технологий с возможностью своевременной диагностики дистресса плода и прогнозирования неблагоприятных перинатальных исходов для профилактики перинатальной заболеваемости и смертности.

Метод информационного поиска / Information retrieval method

В ходе работы изучались научные публикации, представленные в мировых рецензируемых журналах, материалы конференций, материалы, представленные в таких наукометрических базах, как PubMed/MEDLINE, Scopus, Web of Science, научные труды, представленные в научно-информационных сетях ResearchGate, Google Scholar и eLibrary. Информационный поиск позволил из большого количества научных статей извлечь оригинальные материалы, касающиеся изучаемой области и применяемые в мировой практике, и рассмотреть оригинальные подходы к решению рассматриваемой проблемы.

Метод анализа / Analysis method

Использование данного метода позволило обобщить и систематизировать собранную научную информацию, рассмотреть поставленную проблему как с точки зрения безопасного ее использования пациенткой, удобства использования медицинским персоналом, так и с точки зрения конструктивной реализации системы, структуры и взаимосвязи ее конструктивных элементов, способа и формы представления собираемых ею данных, возможности применения методов машинного обучения и нейросетей.

Метод сравнения / Comparison method

Данный метод использовался при сопоставлении данных из ранее опубликованных работ, выявлении закономерностей и тенденций развития систем длительного фетального мониторинга альтернативных ультразвуковым, установления достоинств и недостатков известных в мире аналогичных систем, формулировании тенденций и перспектив развития медицинских технологий в данном направлении.

Отбор публикаций по методологии PRISMA / PRISMA-based selection of publications

Для обзора были использованы базы данных PubMed/MEDLINE, Google Scholar, eLibrary и ResearchGate. Проводился анализ статей за последние 10 лет с использованием ключевых слов и фраз: «современные методы пренатальной диагностики», «фетальный мониторинг», «оценка функционального состояния плода», «пассивные датчики», «искусственный интеллект», «машинное обучение», «current methods of prenatal diagnostics», «fetal monitoring», «assessment of fetus functional state», «passive sensors», «artificial intelligence», «machine learning». Поиск статей проводился на русском и английском языках, что позволило обеспечить широкий спектр исходных для анализа данных и представить как можно более полное описание состояния данного вопроса в мировом масштабе. В результате поиска было обнаружено 69 статей в базе данных PubMed/MEDLINE, 17500 – в Google Scholar, 21 – в eLibrary и 3563 – в ResearchGate. При первичном изучении были исключены статьи, не относящиеся к тематическим экспериментальным исследованиям, например, теоретические работы с отсутствием эмпирических данных, или же статьи, не включающие в себя актуальную информацию об использовании экспериментальных устройств на основе пассивных датчиков применительно к пренатальной диагностике и о применении методов машинного обучения для оценки функционального состояния плода.

Дальнейший отбор публикаций проводился по методологии, соответствующей рекомендациям PRISMA. Были определены критерии включения – актуальность исследования, приведенные результаты по оценке эффективности и надежности предлагаемого решения, наличие и сложность методов машинного обучения. Далее осуществлялась проверка на соответствие критериям включения в текущий обзор. В результате поиска было отобрано 8 статей для окончательного анализа и включения в обзор после удаления дублирующихся и нецелевых публикаций. Схема отбора публикаций представлена следующим образом:

1) поиск в базе данных по ключевым словам;

2) первичный отбор по заголовкам и аннотациям статей;

3) исследование и анализ отобранных статей, оценка качества и релевантности;

4) исключение дубликатов и публикаций, несоответствующих тематике обзора;

5) включение в обзор статей, соответствующих критериям PRISMA.

Данный подход позволил провести детальный и систематический обзор современных перспективных методов оценки функционального состояния плода на основе пассивных датчиков и машинного обучения. Схематическое представление отбора публикаций представлено на рисунке 1.

Результаты / Results

Экспериментальные решения для мониторинга частоты сердечных сокращений плода / Experimental solutions for fetal heart rate monitoring

Современные технологии предоставляют широкий выбор методов для мониторинга состояния плода во время беременности. Одним из инновационных решений является экспериментальная пассивная система непрерывного мониторинга сердца плода Paris (рис. 2) [3]. Аппаратная часть системы включает в себя пассивные акустические датчики, прикрепляемые к телу беременной для регистрации работы сердца плода, а также управляющую плату, которая собирает данные с датчиков и передает их в приложение. Для создания датчиков используются микрофоны на основе микроэлектромеханических систем (МЭМС), которые устанавливаются в корпусах в форме стетоскопа из кремниевого каучука.

Система Paris была апробирована на 16 беременных в возрасте от 22 до 44 лет и показала высокую точность в измерении сердечного ритма плода, средняя ошибка составляет 4,3 ударов в минуту по сравнению с сертифицированным кардиомонитором для оценки сердечного ритма плода Littmann².

В 2022 г. исследователи Калифорнийского университета разработали метод оценки ЧСС плода³, основанный на извлечении абдоминальной электрокардиограммы (ЭКГ) матери при помощи брюшного пластыря (рис. 3), в который встроен алгоритм Lullaby, обеспечивающий высокую скорость вычислений и позволяющий выделять сердцебиения плода, исключать помехи от ЭКГ матери.

Группой ученых из Китая в 2020 г. было проведено исследование для получения высококачественного сигнала сердечных сокращений плода при помощи оригинального датчика, спроектированного по принципу стетоскопа, в котором для преобразования звука в электрический сигнал используется пьезоэлектрическая пленка из поливинилдентофторида (ПВДФ) [4]. Передача сигнала осуществляется по беспроводной Bluetooth системе (рис. 4), состоящей из двух основных модулей: модуля регистрации сигнала звука сердца плода и модуля обработки извлеченного сигнала. Для уменьшения помех со стороны матери используется метод опорных векторов (англ. support vector machine, SVM) [5].

В 2020 г. предложено решение для удаленного мониторинга сердечного ритма плода и матери – беспроводная система «Invu» [6], собранная на поясе, закрепляемом на животе беременной (рис. 5). Система состоит из 4 акустических датчиков в виде высокочувствительных микрофонов, преобразующих звуковые волны в аналоговый электрический сигнал, и 8 пассивных электрических датчиков (датчиков биопотенциала).

Передача сигнала с датчиков на смартфон осуществляется посредством Bluetooth. Со смартфона данные передаются на облачные серверы, где анализируются с помощью оригинального алгоритма. На основе электрических и акустических сигналов строятся диаграммы ЧСС плода (англ. fetal heart rate, FHR) и ЧСС матери (англ. maternal heart rate, MHR). Исследование данной системы проводилось на 147 женщинах. Сравнение результатов, полученных Invu, с результатами, полученными при помощи КТГ, представлено на рисунке 6. Как можно видеть, значения FHR и MHR, полученные Invu на основе ЭКГ плода и матери соответственно, значительно коррелируют с результатами измерения при помощи КТГ (0,92 для FHR и 0,97 для MHR). Погрешность в измерении ЧСС с помощью Invu составила ± 8 ударов в минуту относительно эталонного сигнала, которым в данном случае выступают результаты ЧСС по КТГ, что является клинически приемлемым диапазоном [7].

Экспериментальные решения для мониторинга двигательной активности плода / Experimental solutions for monitoring fetal motor activity

В работе N.D. Zakaria с соавт. предлагается система регистрации движений плода, основанная на использовании 6 трехосевых акселерометров, подключенных к микроконтроллеру Arduino (Arduino, Италия) [8]. Данная система (рис. 7) позволяет получать данные в режиме реального времени. В качестве модуля вывода используется интерфейс Matlab.

В 2023 г. учеными из Китая предложена система для детекции двигательной активности плода [9], в основе которой лежит использование двух акселерометров, управляющего чипа Cortex-M4, Bluetooth-антенны, смартфона (рис. 8). Распознавание движений плода осуществляется в несколько этапов: регистрация сигнала акселерометром, предварительная обработка сигнала, предварительное определение амплитудного порога, распознавание движений плода при помощи разработанного алгоритма и классифицирование с помощью алгоритма поиска ортогонального соответствия (англ. orthogonal matching pursuit, ОМР) [10] и сохранение результатов.

Тестирование предлагаемой системы проводилось на 4 первобеременных, находящихся в положении лежа. В качестве эталона использовался метод Пирсона [7]. Средний уровень распознавания реальных движений плода составил 89,74 %, что свидетельствует о высокой точности системы и подтверждает возможность ее использования для мониторинга двигательной активности плода.

В 2020 г. была представлена экспериментальная носимая система для долгосрочного мониторинга движений плода [11]. Система состоит из 4 акселерометров (NXP, MMA8451Q), управляющей платы, включающей в себя 32-битный высокопроизводительный микроконтроллер (NXP, Kinetis KL16), аккумулятор и встроенный интерфейс для беспроводной передачи данных Bluetooth, и графического интерфейса на базе Android (рис. 9). Для получения эталонного сигнала методом Пирсона [7] в систему была добавлена кнопка для нажатия беременной в момент шевелений плода.

В данной системе собираемые с датчиков сигналы сначала анализируются отдельно, а затем результаты подаются в нечеткий классификатор ARTMAP (англ. adaptive resonance theory map) для дальнейшей обработки и совместного их анализа [12]. ARTMAP обеспечивает эффективную классификацию и идентификацию движений на основе постепенного обучения и обновления параметров без риска забывания ранее изученной информации. Данная система была испытана на 14 беременных на сроке 25–39 недель и продемонстрировала высокую специфичность (99 %) и чувствительность (77 %).

В работе М. Altini с соавт. приведены результаты оценки повышения эффективности обнаружения толчков плода при использовании нескольких акселерометров, расположенных на теле беременной [13]. Экспериментальное исследование проводилось на 6 беременных, находящихся в положении лежа, и включало 15 измерений в течение 20 минут. При измерениях использовали 6 акселерометров (5 были расположены на животе беременной, один расположен на спине в качестве эталонного) и аналого-цифровой преобразователь Porti 7⁴ для дискретизации сигнала с частотой 128 Гц. Данные акселерометров подвергались полосовой фильтрации от 1 до 20 Гц [14] с помощью БИХ-фильтра Баттерворта 2-го порядка. Для сравнения использовался метод Пирсона [7].

В работе U. Delay с соавт. предложен гибридный алгоритм распознавания движений с использованием неинвазивной системы, включающей в себя датчик MPU 9250 (многокристальный модуль, содержащий трехосевой акселерометр и трехосевой гироскоп и имеющий встроенный аналого-цифровой преобразователь), микроконтроллер Microchip ATmega328P (Microchip Technology, США), встроенный в плату Arduino Uno (Arduino, Италия), стандартный внешний блок питания. Клинические испытания проводились на 15 беременных, в среднем каждая запись длилась по 20 минут [15].

В 2024 г. был предложен метод мультимодального обнаружения шевелений плода с помощью носимого монитора [16]. Аппаратная часть такого монитора состоит из гетерогенной сенсорной сети и миниатюрной системы сбора данных и датчиков, встроенных в эластичный ремень (рис. 10).

Гетерогенная сеть основана на комбинации 3 типов датчиков: акселерометр, акустический датчик и пьезоэлектрическая диафрагма. Также в систему входит дополнительный акселерометр (англ. inertial measuring unit, IMU), служащий для обнаружения движений тела матери. Данная система предполагает использование алгоритмов машинного обучения для различения сигналов движений плода (англ. fetal movements, FM) и всех сторонних сигналов (не-FM).

Обсуждение / Discussion

В ходе информационного поиска был найден ряд материалов, свидетельствующих об успешных альтернативных ультразвуковым экспериментальных системах, способных отслеживать ЧСС плода, обнаруживать и записывать сигналы двигательной активности плода без использования ультразвуковых волн [1][2]. При этом следует отметить, что некоторые системы включают в себя ультразвуковые излучатели, но они не задействованы в работе основной системы, а используются только для получения эталонного сигнала и проведения сравнительного анализа [2]. Для установления точности систем в качестве эталонного метода чаще всего используется метод Пирсона, для чего измерительную систему оснащают ручным переключателем, на которой нажимает беременная, ощущая шевеления плода. При этом каждое нажатие может сопровождаться подачей звукового сигнала для привлечения внимания врача, проводящего исследование [1][7].

Альтернативные системы пренатальной диагностики основаны на использовании пассивных датчиков. Для сбора информации о ЧСС плода используются высокочувствительные микрофоны и акустические датчики [3][4–7].

Основная проблема таких систем связана с обработкой получаемого сигнала, а именно, сложностью фильтрации внешних шумов, наличие которых существенно затрудняет анализ полезного сигнала. Это требует от ученых создания сложных алгоритмов управления микроконтроллерами с применением нейронных сетей и методов машинного обучения. Одним из наиболее распространенных методов классификации, используемых для обработки медицинских сигналов при высоком уровне шума, передаваемых датчиками сигналов, является метод, основанный на использовании сверточной нейронной сети (англ. convolutional neural network, CNN) [17].

Для удобства использования в такие системы встраиваются модули беспроводной связи; чаще всего это Bluetooth модули, позволяющие дистанционно передавать сигналы и осуществлять управление через приложение со смартфона или электронно-вычислительной машины [4][6][9][11].

Обзор альтернативных ультразвуковых систем мониторинга двигательной активности плода показал, что в данной области широко используются трехосные акселерометры с высокой чувствительностью и низким уровнем шума, которые не оказывают негативного влияния на течение беременности и развитие плода, что является необходимым условием для многочасового мониторинга. Для передачи данных с акселерометров на контроллер чаще всего используется протокол I2C. В качестве устройства для сбора данных нашел применение трехосный акселерометр MC3672, характеризующийся сверхнизким энергопотреблением, высокой чувствительностью и низким уровнем шума [8–11].

Увеличение числа датчиков ведет к необходимости обработки большого объема информации, что увеличивает объем вычислительных операций, требует более высоких скоростей вычисления, ведет к повышенному энегопотреблению, увеличению размеров носимого устройства, объему хранимых и передаваемых к устройству вывода данных. Поэтому число датчиков должно быть минимальным.

Акселерометры позволяют фиксировать 3 основных типа сигналов: сигнал движения беременной, сигнал сердцебиения матери и сигнал движения плода. Основной проблемой использования систем с подобными датчиками является сложность обработки и интерпретации фиксируемых сигналов. Сигналы, связанные с сердцебиением матери, более слабые по сравнению с сигналами движения плода. Движения беременной являются одной из основных проблем обнаружения двигательной активности плода, поскольку они могут имитировать сигналы движения плода.

К мониторингу движений плода может быть применен частотно-временной подход, описанный S. Layeghy с соавт. [18], согласно которому используется оригинальный метод обработки сигналов плода на основе акселерометров, включающий регистрирующую систему, состоящую из 4 акселерометров ADXL 330, три из которых располагают на животе беременной, а один – на груди беременной для исключения дыхания матери из полезного сигнала. Используемый в данной системе метод классификации на основе SVM сигналов с датчиков показал общую точность 92,19 % с высоким значением (95,4 %) прогностической ценности (positive predictive value, PPV) и F1-мерой (93,2 %), несмотря на относительно высокий уровень ложноположительных результатов (10,8 %).

Анализ конструктивной реализации рассмотренных систем контроля двигательной активности плода показал, что в дополнение к основным акселерометрам они предусматривают использование эталонного акселерометра, обычно располагаемого на спине беременной и фиксирующего движения матери. В дополнение экспериментальные системы по мониторингу двигательной активности плода предусматривают наличие кнопки для беременной, нажимаемой в момент шевелений плода с целью получения эталонного сигнала методом Пирсона [7].

При создании систем мониторинга следует учитывать то обстоятельство, что при проведении одновременно мониторинга нескольких пациенток они не должны создавать помех в работе других приборов. Поэтому конструкции приборов, в основе которых лежит передача информации по радиоканалам, должна предусматривать возможность работы на разных радиочастотах. Из-за требований электромагнитной совместимости полосы частот разных каналов должны отличаться не менее чем на 25 кГц.

Системы дистанционного мониторинга, содержащие беспроводные датчики, должны обеспечивать передачу сигнала от передатчиков, которые устанавливаются на пациентке, к приемнику, который обычно входит в состав базовой станции, на значительные расстояния, чтобы существенно не ограничивать свободу перемещения пациентки и не создавать неудобства медицинскому персоналу. Беспроводной интерфейс должен обеспечивать достаточно высокий темп передачи и при этом не создавать нежелательного радиооблучения плода во время его мониторирования, а также потреблять минимальное количество энергии, поскольку от этого зависит длительность работы аккумуляторной батареи, встроенной в беспроводной датчик.

При создании систем, основанных на использовании беспроводной связи, необходимо учитывать то обстоятельство, что при передаче данных возможна потеря сигнала, поэтому они должны обеспечивать сохранность непереданных данных и возможность их повторной отправки после восстановления связи. На случай потери питания системы мониторинга должны оснащаться энергонезависимой памятью.

Недостатком системы, в которой для связи между датчиками и приемником сигнала используются электрические кабели, является то, что они, во-первых, ввиду своей громоздкости и наличия длинных проводов доставляют дискомфорт пациентке при длительном мониторировании, а во-вторых, в ряде случаев создают существенные помехи для медперсонала при проведении медицинских процедур. В ходе исследования также установлено, что такие проводные системы представляют потенциальную опасность поражения электрическим током [2].

Заключение / Conclusion

Проведенный анализ продемонстрировал ряд автоматизированных систем для оценки показателей жизнедеятельности плода – ЧСС, двигательной активности и общего физиологического состояния. При этом ни одна из систем не является безупречной, их специфичность и чувствительность в оценке и прогнозировании состояния плода не достигают 100 %. При наличии автоматизированной системы анализа присутствие врача не обязательно, и диагностику может выполнить специалист-техник, что актуально для медицинских сообществ с системой разделения на специалистов, осуществляющих сбор данных пациента, и врачей, проводящих диагностику. В то же время существует и ряд фетальных мониторов, не обладающих функциями анализа. Однако такие приборы широко используются, так как квалифицированный врач способен самостоятельно оценить состояние плода по данным мониторинга.

Большинство доступных в настоящее время медицинских устройств для мониторинга и контроля являются проводными, что ограничивает возможности медперсонала и пациентов. Сенсорные мобильные облачные вычисления представляются лучшей альтернативой в рабочей среде.

Одной из основных проблем при создании систем мониторинга функционального состояния плода является разработка корректных и эффективных алгоритмов обработки данных для получения результатов, пригодных для однозначной интерпретации и дальнейшего анализа.

Создание носимых систем для длительного мониторинга функционального состояния плода представляет собой прогрессивное направление в области пренатальной диагностики. Перспективные методы пренатальной диагностики основываются на использовании в целях контроля двигательной активности плода акселерометров, а для оценки показателей жизнедеятельности плода – акустических датчиков и микрофонов, что позволяет не только обеспечить высокую точность и безопасность при фетальном мониторинге, но и открывает новые возможности для раннего выявления дистресса плода и профилактики перинатальной заболеваемости и смертности. Применение таких систем позволит медицинскому персоналу получать более полную информацию о состоянии плода в режиме реального времени и оказывать своевременную и квалифицированную медицинскую помощь.

Учеными различных стран предлагаются инновационные методы пренатальной диагностики альтернативные ультразвуковым, основанные на использовании пассивных датчиков для регистрации данных и нейронных сетей для агрегации и обработки собранной информации. Альтернативная система мониторинга для пренатальной диагностики должна содержать минимальное количество электродов, накладываемых на грудную клетку и переднюю брюшную стенку беременной, обеспечивать качественный электрический контакт электродов с кожей в течение длительного времени. Используемое в таких системах программное обеспечение должно корректно выделять сигналы, характеризующие функциональное состояние плода на фоне активности матери, и обладать высокой достоверностью результатов диагностики.

Принимая во внимание многообещающие результаты работ, рассмотренных в данном обзоре, следует отметить, что все предлагаемые устройства носят экспериментальный характер и до настоящего времени не применяются в клинической практике. Необходимы исследования в области улучшения алгоритмов обработки данных, получаемых с датчиков, для повышения точности данных и возможности стабильной и долговременной обработки сигналов в режиме реального времени. Кроме того, перспективным видится объединение разных видов датчиков – акселерометров и микрофонов в одной системе для одновременного комплексного анализа показателей жизнедеятельности плода.

Таким образом, разработка и внедрение передовых систем для мониторинга состояния плода, основанных на современных технологиях, открывают новые перспективы в области акушерства и гинекологии и способны улучшить качество пренатальной диагностики.