ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОГНОЗИРОВАНИЯ ПРЕЭКЛАМПСИИ И ЗАДЕРЖКИ РОСТА ПЛОДА: ИНТЕГРАЦИЯ КЛИНИЧЕСКИХ, УЛЬТРАЗВУКОВЫХ И БИОМОЛЕКУЛЯРНЫХ ДАННЫХ

Аннотация

Преэклампсия и задержка внутриутробного роста плода (ЗВУР) остаются одними из ведущих причин материнской и перинатальной заболеваемости и смертности во всем мире. Ограниченная эффективность традиционных методов прогнозирования обусловлена сложным и многофакторным патогенезом данных состояний, включающим нарушения плацентации, эндотелиальную дисфункцию, иммунологическую дисрегуляцию и ангиогенный дисбаланс. В последние годы искусственный интеллект (ИИ) становится важным инструментом в акушерстве, позволяя анализировать большие массивы данных и выявлять скрытые закономерности. Цель исследования является анализ возможностей применения методов машинного обучения для прогнозирования преэклампсии и ЗВУР с использованием интеграции клинических, ультразвуковых, биохимических и иммунологических данных. Рассматриваются современные алгоритмы, включая нейронные сети, градиентный бустинг и случайные леса, а также их диагностическая эффективность. Применение ИИ позволяет повысить точность прогнозирования до 85–92%, что существенно превышает показатели традиционных методов. Интеграция мультиомных данных способствует развитию персонализированного подхода в акушерстве и открывает новые перспективы для ранней диагностики и профилактики осложнений беременности.