Analiza radiomiczna ultrasonograficznych obrazów wczesnej ciąży w celu przewidywania żywotności na koniec pierwszego trymestru

Dlaczego wczesne odpowiedzi w ciąży mają znaczenie

Dla wielu kobiet pierwsze tygodnie ciąży niosą ze sobą zarówno nadzieję, jak i niepokój. Gdy wczesne badanie ultrasonograficzne nie daje jeszcze jasnej odpowiedzi, czy ciąża będzie kontynuowana, czy zakończy się poronieniem, lekarze mówią o „ciąży o nieznanej żywotności”. Ten okres oczekiwania — często jeden do dwóch tygodni przed powtórnym badaniem — bywa emocjonalnie wyczerpujący. Omówione tu badanie sprawdza, czy subtelne wzorce ukryte w rutynowych obrazach ultrasonograficznych, połączone z prostymi informacjami klinicznymi, mogą pomóc wcześniej i dokładniej przewidzieć ostateczny wynik.

Patrzenie poza to, co widzi oko

Tradycyjna ocena ultrasonograficzna opiera się na tym, co klinicyści mogą zmierzyć i zobaczyć bezpośrednio: rozmiar i kształt pęcherzyka ciążowego, obecność pęcherzyka żółtkowego lub drobnego zarodka oraz czy widoczny jest rytm serca. Wcześniejsze badania wykorzystywały takie cechy do budowy systemów punktacji, ale ich dokładność jest ograniczona i często zależna od kompletności danych. W tej pracy badacze pytali, czy komputery potrafią wychwycić znacznie drobniejsze detale na obrazach ultrasonograficznych — detale zbyt subtelne dla oka — stosując podejście zwane radiomiką. Radiomika przekształca obrazy w tysiące cech numerycznych opisujących teksturę, wzorce jasności i drobną strukturę, co potencjalnie pozwala uchwycić wczesne sygnały zdrowej lub nieprawidłowej implantacji.

Budowa zautomatyzowanego procesu obrazowania

Zespół zebrał skany ultrasonograficzne od 500 kobiet zgłaszających się do jednostek wczesnej ciąży w dwóch szpitalach w Londynie w latach 2021–2023. Wszystkim powiedziano, że mają ciążę o nieznanej żywotności, a ostateczny wynik — kontynuacja ciąży lub poronienie do końca pierwszego trymestru — został później odnotowany. Aby przygotować obrazy do analizy, badacze najpierw nauczyli model głębokiego uczenia rozpoznawania dwóch kluczowych obszarów na każdym skanie: samego pęcherzyka ciążowego oraz cienkiego pierścienia otaczającej tkanki macicy. Wykorzystując architekturę sieci neuronowej zaprojektowaną do obrazowania medycznego, system nauczył się wyznaczać te obszary z wysoką dokładnością, ściśle pokrywając się z ręcznymi obrysami ekspertów. Ten zautomatyzowany krok „segmentacji” jest kluczowy, ponieważ pozwala na przetwarzanie przyszłych skanów bez dodatkowego czasu specjalistów.

Przekształcanie wzorców w przewidywania

Gdy obszary zostały zidentyfikowane, oprogramowanie radiomiczne wyodrębniło ponad cztery tysiące ilościowych cech z obrazów ultrasonograficznych. Jednocześnie zespół zgromadził proste informacje kliniczne już rejestrowane w rutynowej opiece — takie jak wiek kobiety, ile tygodni ciąży upłynęło według ostatniej miesiączki oraz ile krwawienia i bólu zgłaszała. Ponieważ nie wszystkie zmienne są jednakowo przydatne, badacze przetestowali szeroką gamę metod selekcji cech i algorytmów uczenia maszynowego, aby znaleźć najlepsze połączenie. Ich ostateczny model, nazwany Pregnancy of Unknown Viability Prediction Score (PUVPS), opierał się na technice znanej jako XGBoost oraz starannie dobranych cechach radiomicznych i klinicznych. W testach model rozróżniał ciąże trwające od poronień z dobrą skutecznością, także na danych z zewnętrznego szpitala, które nie były użyte do trenowania systemu.

Na czym model rzeczywiście bazuje

Niektóre z najbardziej wpływowych predyktorów okazały się znanymi czynnikami klinicznymi: szacowany wiek ciążowy według ostatniej miesiączki, nasilenie krwawienia z dróg rodnych oraz wiek matki. Jednak kilka radiomicznych miar tekstury z pęcherzyka i otaczającej tkanki również znalazło się wysoko w rankingu. Opisują one, jak jednorodne lub plamiste są intensywności pikseli oraz jak rozmieszczone są jasne obszary, co może odnosić się do tego, jak dobrze formuje się wczesna łożysko i tkanki podporowe. Co ciekawe, cechy radiomiczne wydawały się także zmieniać wraz z wiekiem ciążowym, sugerując, że mogą śledzić rzeczywiste zmiany biologiczne we wczesnym rozwoju ciąży, a nie jedynie losowy szum.

Co to może znaczyć dla pacjentek

Badanie ma ograniczenia, w szczególności umiarkowaną liczbę uczestniczek, co może sprawiać, że każdy model uczenia maszynowego będzie początkowo zbyt optymistyczny, dopóki nie zostanie przetestowany w znacznie większych i bardziej zróżnicowanych grupach. Mimo to wyniki sugerują, że możliwe jest dostarczenie kobietom stojącym w obliczu ciąży o nieznanej żywotności spersonalizowanej oceny ryzyka opartej wyłącznie na badaniu ultrasonograficznym, które już wykonują, bez dodatkowych badań krwi czy procedur. W przyszłości, jeśli zostanie to potwierdzone w dużych, wieloośrodkowych badaniach, narzędzie takie jak PUVPS mogłoby działać w tle kliniki ultrasonograficznej, analizując obrazy w czasie rzeczywistym i przedstawiając prawdopodobieństwo kontynuacji ciąży. Zamiast zastępować standardowe badania kontrolne, mogłoby pomóc kobietom i klinicystom lepiej przygotować się emocjonalnie i praktycznie w tym bardzo niepewnym okresie oczekiwania.

Cytowanie: Murugesu, S., Linton-Reid, K., Barcroft, J. et al. Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester. Sci Rep 16, 5504 (2026). https://doi.org/10.1038/s41598-026-35158-5

Słowa kluczowe: wczesna ciąża, ryzyko poronienia, ultrasonografia, radiomika, uczenie maszynowe w medycynie