Прогнозирование кесарева сечения после индукции родов с использованием машинного обучения (Random Forest)

Обоснование. Индукция родов (ИР) — широко распространённое акушерское вмешательство, однако частота кесарева сечения (КС) после ИР может превышать 50 % в отдельных группах. Существующие прогностические модели преимущественно используют антенатальные факторы, не учитывают нелинейные взаимосвязи и не всегда обладают достаточной дискриминационной способностью.Цель. Разработка, валидация и интерпретация прогностической модели для определения исхода ИР при доношенной беременности с применением методов машинного обучения.Методы. Ретроспективное когортное исследование на основе госпитального регистра (июнь 2024 – июнь 2025) включило 1670 одноплодных беременных со сроком гестации ≥ 37 недель, которым проводилась ИР (амниотомия, окситоцин). Исходы ИР: успешная ИР (вагинальные роды) и неуспешная ИР (КС). Для предварительного отбора признаков производилось вычисление важности признаков (feature importance) с помощью логистической регрессии, логистической регрессии с L1-регуляризацией (Lasso) и модели случайного леса (Random Forest) для устранения неинформативных переменных. Финальная прогностическая модель была построена с использованием алгоритма случайного леса. Для интерпретации влияния отобранных признаков на предсказания модели применялся SHAP-анализ.Результаты. Частота КС составила 21,1 % (n = 352). В финальную модель вошли 7 признаков (по убыванию важности): продолжительность интервала от начала ИР до развития регулярной родовой деятельности, паритет, предполагаемая масса плода по ультразвуковому исследованию, необходимость преиндукции родов, возраст матери, индекс массы тела матери, срок гестации. AUC-ROC модели на тестовой выборке составила 0,904 (95% ДИ 0,846– 0,951), чувствительность – 75 %, специфичность – 92 %, Net Benefit – 0,184. SHAP-анализ позволил интерпретировать индивидуальные прогнозы.Заключение. Разработанная модель на основе случайного леса с включением интранатального предиктора (интервал до регулярных схваток) демонстрирует высокую прогностическую эффективность, возможность к внешней валидации и клиническую полезность, что может способствовать своевременному принятию обоснованных решений о тактике ведения родов.

Acta biomedica scientifica

индукция родов

кесарево сечение

факторы риска

прогностические модели

машинное обучение

случайный лес

Обоснование. Индукция родов (ИР) — широко распространённое акушерское вмешательство, однако частота кесарева сечения (КС) после ИР может превышать 50 % в отдельных группах....

Прогнозирование кесарева сечения после индукции родов с использованием машинного обучения (Random Forest)

Авторы

Булатова И.А.

Саланова М.Ш.

Пониманская М.А.

Десятник К.А.

Панина О.Б.

Рекомендуем изучить