Радиомика анализа ультразвуковых изображений ранней беременности для прогнозирования жизнеспособности в конце первого триместра

Почему важны ранние ответы во время беременности

Для многих женщин первые недели беременности полны надежд и тревоги. Когда раннее УЗИ ещё не может однозначно показать, продолжится ли беременность или закончится выкидышем, врачи называют это «беременностью с неизвестной жизнеспособностью». Период ожидания — часто одна–две недели до повторного сканирования — может эмоционально истощать. В этом исследовании изучается, могут ли тонкие закономерности, скрытые в рутинных ультразвуковых изображениях и объединённые с простой клинической информацией, помочь предсказать исход раньше и точнее.

Взгляд за пределы видимого невооружённым глазом

Традиционная оценка по УЗИ опирается на то, что клиницисты могут измерить и увидеть непосредственно: размер и форму плодного пузыря, наличие желточного мешка или крошечного эмбриона и видимость сердцебиения. Ранние исследования использовали такие признаки для создания шкал оценки, но их точность ограничена и часто зависит от полноты данных. В новой работе исследователи спросили, смогут ли компьютеры обнаружить куда более тонкие детали на УЗИ — детали, незаметные человеческому глазу — с помощью подхода, называемого радиомикой. Радиомика преобразует изображения в тысячи числовых признаков, описывающих текстуру, распределение яркости и мелкомасштабную структуру, потенциально захватывая ранние признаки нормальной или нарушающейся имплантации.

Построение автоматизированного конвейера обработки изображений

Команда собрала ультразвуковые сканы у 500 женщин, обратившихся в отделения ранней беременности в двух лондонских больницах в 2021–2023 годах. Всем им сообщили о беременности с неизвестной жизнеспособностью, а окончательный исход — продолжающаяся беременность или выкидыш к концу первого триместра — был затем зафиксирован. Для подготовки изображений к анализу исследователи сначала обучили модель глубокого обучения находить две ключевые области на каждом скане: сам плодный пузырь и тонкое кольцо окружающей маточной ткани. Используя архитектуру нейронной сети, разработанную для медицинских изображений, система научилась выделять эти области с высокой точностью, близко к ручным контурам экспертов. Этот автоматизированный шаг «сегментации» важен, потому что позволяет обрабатывать будущие сканы без дополнительного времени со стороны специалистов.

Преобразование шаблонов в прогнозы

После идентификации областей программное обеспечение радиомики извлекло более четырёх тысяч количественных признаков из ультразвуковых изображений. Одновременно команда собрала простую клиническую информацию, уже фиксируемую в рутинной практике — например, возраст женщины, срок беременности по последней менструации и степень кровотечения и боли, которые она сообщала. Поскольку не все эти переменные одинаково полезны, исследователи протестировали широкий набор методов отбора признаков и алгоритмов машинного обучения, чтобы найти наилучшее сочетание. Их окончательная модель, названная Шкалой прогнозирования беременности с неизвестной жизнеспособностью (PUVPS), опиралась на технику, известную как XGBoost, и тщательно отобранные радиомические и клинические признаки. При тестировании модель надёжно разделяла продолжающиеся беременности и выкидыши, в том числе на данных из внешней больницы, не использованной для обучения системы.

На чём на самом деле основывается модель

Некоторыми из наиболее влиятельных предикторов оказались знакомые клинические факторы: предполагаемый срок беременности по последней менструации, степень вагинального кровотечения и возраст матери. Но высокие позиции также заняли несколько радиомических показателей текстуры из области пузыря и окружающей ткани. Они отражают, насколько однородны или пятнисты интенсивности пикселей и как распределяются яркие участки, что может быть связано с тем, насколько хорошо формируются ранняя плацента и поддерживающие ткани. Интересно, что радиомические признаки, по-видимому, менялись с гестационным возрастом, намекая на то, что они, возможно, отслеживают реальные биологические изменения в развитии ранней беременности, а не случайный шум.

Что это может значить для пациенток

У исследования есть ограничения, главным образом умеренный размер выборки, что может приводить к излишнему оптимизму моделей машинного обучения до их проверки на гораздо больших и более разнообразных группах. Тем не менее результаты показывают, что может быть возможно предоставить женщинам с беременностью неизвестной жизнеспособности персональную оценку риска, основанную только на уже выполняемом УЗИ, без дополнительных анализов крови или процедур. В будущем, если подход подтвердят крупные многоцентровые исследования, инструмент вроде PUVPS может работать в фоновом режиме в клинике ультразвуковой диагностики, анализируя изображения в реальном времени и предлагая вероятность продолжающейся беременности. Он не заменит стандартные контрольные сканирования, но может помочь женщинам и врачам подготовиться морально и практично в период глубокого неопределённого ожидания.

Цитирование: 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

Ключевые слова: ранняя беременность, риск выкидыша, ультразвук, радиомика, машинное обучение в медицине