Identification of key fetometric markers for predicting newborn weight based on ultrasound fetometry using classical and machine learning algorithms



如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅或者付费存取

详细

The aim of the study was to identify key fetometric markers in predicting fetal and newborn weight.

Methods. The study used data from 5,161 full-term newborns and 8,022 ultrasound examinations conducted using a retrospective design. The sample included objects that meet the criteria for complete clinical information on the main fetometric parameters. The duration of follow-up covered the period from the first ultrasound scan to delivery. The main endpoint of the study was the newborn's birth weight. Descriptive and correlation analysis, multiple linear regression, quantile regression with coefficients accurate to the third digit, as well as machine learning methods (Random Forest and XGBoost) were used to assess the contribution of indicators. Additionally, a principal component analysis (PCA) was performed to determine the overall fetal growth factor.

Results. The analysis showed that the circumference of the abdomen correlated with the weight of the newborn with a coefficient of r = 0.820, while the length of the femur and the circumference of the head demonstrated coefficients of r = 0.620 and r = 0.540, respectively. Multiple regression with the inclusion of all three parameters gave the value R2 = 0.730. Quantile regression revealed that the value of the coefficient for abdominal circumference increases for the upper quantile of mass (β = 23,500 at τ = 0.900) compared with the median (β = 18,900 at τ = 0.500). Machine learning methods confirmed the dominant role of abdominal circumference in predicting weight (feature importance – 50-55%), and PCA showed that the first main component, interpreted as a general indicator of size, explains 78% of the variation and has a high correlation with weight (r = 0.850).

Conclusion. The results obtained confirm that abdominal circumference is the most informative fetometric indicator for predicting fetal weight, while the length of the femur complements the assessment by reflecting skeletal growth, and the circumference of the head makes a minimal contribution. The complex application of classical statistical methods and machine learning algorithms makes it possible to recommend an emphasis on coolant and DB when assessing fetal weight.

全文:

ОБОСНОВАНИЕ

Актуальность проблемы точного прогнозирования массы плода на основе ультразвуковой фетометрии обусловлена как высокой распространенностью метода, так и существенным влиянием прогноза на клиническое принятие решений [1, 2]. Точное определение массы новорожденного позволяет своевременно выявлять случаи задержки или избыточного роста плода, снижать риски перинатальных осложнений, оптимизировать тактику ведения беременности и планирование родоразрешения [3]. В масштабах современной медицины, где ежегодно регистрируется десятки тысяч родов в России и миллионы – по всему миру, ошибки в оценке массы могут приводить к значительным медицинским и экономическим последствиям, включая увеличенную частоту неотложных родовых вмешательств и послеоперационных осложнений [4]. Ранее опубликованные зарубежные исследования подтвердили, что использование классических фетометрических параметров, таких как окружность живота, длина бедренной кости, окружность, бипариетальный и лобно – затылочный размеры головы плода, позволяет достичь приемлемой точности в оценке массы плода, однако значительная межиндивидуальная вариабельность и влияние динамики роста остаются нерешёнными аспектами [5, 6]. Российские исследования, проводимые на отечественных выборках, также подтверждают важность данных измерений для прогноза массы, однако отмечают ограниченность однократных измерений и необходимость учета динамических изменений показателей, что является существенным пробелом в существующих моделях [1, 4]. С другой стороны, применение современных методов анализа, включая машинное обучение и анализ главных компонент, уже позволило улучшить качество прогноза, интегрируя несколько параметров в единую модель [7, 8]. Тем не менее, несмотря на достигнутый прогресс, остаются нерешёнными вопросы адаптации существующих алгоритмов к специфике различных популяций, а также учета сложных нелинейных взаимосвязей между показателями, влияющих на итоговую массу плода [9, 10]. Таким образом, современная литература отражает как решенные, так и нерешенные аспекты проблемы, что стимулирует дальнейшие исследования в области оптимизации моделей предсказания массы новорожденного как в зарубежной, так и в отечественной практике [5, 7, 9].

Цель исследования. Основная цель данного исследования заключается в определении вклада отдельных фетометрических показателей в прогнозирование итоговой массы новорожденного и разработке оптимальной модели оценки массы, основанной на комплексном анализе ультразвуковых измерений. Исследование направлено на выяснение того, как индивидуальные параметры влияют на итоговую массу плода, учитывая их взаимные корреляции и динамику изменений на различных сроках беременности.

Дизайн исследования. Дизайн исследования. В данном исследовании использовались собственные данные, полученные автором в период с 2016 по 2020 год в ходе рутинных ультразвуковых обследований беременных женщин. Все ультразвуковые исследования проводились по единому протоколу, что обеспечивало стандартизацию измерений основных фетометрических показателей – окружности живота, длины бедренной кости, окружности головы, лобно-затылочного размера и бипариетального диаметра. В исследование были включены случаи доношенных новорожденных, для которых результаты проведённых ультразвуковых обследований сопоставлялись с фактической массой при рождении, полученной из родильной документации. Такой подход позволил минимизировать межоператорскую изменчивость и повысить точность оценки прогностических параметров, что является ключевым условием для совершенствования модели прогнозирования массы плода.

Критерии соответствия

Критерии включения:

  • Одноплодная беременность с проведенным хотя бы одним ультразвуковым исследованием, в котором задокументированы ключевые параметры фетометрии – окружность живота, длина бедренной кости, окружность, лобно – затылочный размер и бипариетальный размер головы;
  • Наличие корректно зарегистрированной массы новорожденного при рождении;
  • Соответствие гестационному возрасту, определенному для доношенных новорожденных.

Критерии невключения и исключения:

  • Многоплодные беременности;
  • Случаи с отсутствием или неполнотой данных по основным показателям УЗИ;
  • Беременности с выявленными патологиями, способными существенно исказить стандартные параметры роста плода (например, врожденные аномалии).

Условия проведения Исследование проводилось в условиях рутинной акушерской практики на базе Кировского областного клинического перинатального центра, г. Киров с 2016 по 2020 годы. Данные собирались в рамках стандартного ведения беременности и регистрировались в электронных медицинских картах, что обеспечивает воспроизводимость измерений.

Продолжительность исследования Наблюдение начиналось с первого проведенного УЗИ и продолжалось до момента родоразрешения. Протокол включал планирование контрольных точек для повторных УЗИ (на поздних сроках беременности) с фиксацией гестационного возраста и дат измерений. Все изменения, связанные со смещением временных интервалов, документировались согласно утвержденному протоколу.

Описание медицинского вмешательства. Поскольку исследование носило наблюдательный характер, специализированное медицинское вмешательство не проводилось. Фетометрические измерения осуществлялись в рамках стандартного ультразвукового исследования, проводимого автором лично в соответствии с утвержденными протоколами. Методика измерения параметров соответствовала действующим клиническим рекомендациям и обеспечивает возможность воспроизведения процедуры другими исследователями.

Основной исход исследования. Основной исход – масса новорожденного, измеряемая непосредственно при рождении с использованием калиброванных весов. Этот показатель выбран как ключевой индикатор качества внутриутробного роста и служит суррогатной конечной точкой для оценки влияния фетометрических параметров на развитие плода.

Дополнительные исходы исследования. Дополнительные исходы включают:

  • Динамику изменения фетометрических показателей между последовательными ультразвуковыми исследованиями (например, темп прироста окружности живота);
  • Корреляционные связи между отдельными параметрами УЗИ, отражающие скорость и равномерность роста плода.

Анализ в группах. Для детализированного анализа данные подразделялись на подгруппы в зависимости от наличия нескольких ультразвуковых исследований (динамический анализ) и гестационного возраста на момент последнего измерения. Также проводился сравнительный анализ исходов в зависимости от диапазона массы новорожденных (нормальная, низкая или повышенная масса).

Методы регистрации исходов. Регистрация массы новорожденного осуществлялась в родильном зале с использованием стандартных откалиброванных весовых систем, а данные ультразвуковых измерений автоматически сохранялись в электронных медицинских картах. Все измерения проводились согласно утвержденным протоколам, что обеспечивает стандартизированную регистрацию исходов исследования.

Этическая экспертиза. Протокол исследования одобрен этическим комитетом ФГБОУ ВО Кировский ГМУ Минздрава России, протокол № 01/2025 от 29 января 2025 года. При этом использовались анонимизированные данные, что соответствовало требованиям конфиденциальности и действующему законодательству.

Статистический анализ. Размер выборки предварительно не рассчитывался, так как использовались все доступные клинические данные за установленные периоды. Статистический анализ производился с использованием программного обеспечения Python (библиотеки numpy, pandas, statsmodels) и R. Количественные данные представлены в виде средних значений с стандартным отклонением или медиан с интерквартильным размахом в зависимости от распределения. Анализ включал проверку распределения данных, расчет парных коэффициентов корреляции Пирсона, проведение множественной линейной и квантильной регрессии с проверкой предположений моделей, а также применение методов машинного обучения (Random Forest, XGBoost) для оценки значимости фетометрических показателей. Уровень статистической значимости устанавливался на α = 0,05, а величины p-значений округлялись до третьего знака после запятой.

Объекты исследования

В исследование включены данные ретроспективной выборки новорожденных (n=5161), соответствующие критериям включения и невключения. Средний гестационный возраст при родах находился в пределах доношенной беременности, а все случаи сопровождались хотя бы одним (чаще двумя и более) ультразвуковым исследованием с записью ключевых фетометрических параметров (окружность живота, длина бедренной кости, окружность, лобно – затылочный и бипариетальный размеры головы). При включении в исследование у каждого новорожденного регистрировалась масса при рождении, а также отмечались параметры матери (возраст, анамнез), но подробная оценка этих дополнительных показателей не являлась основной целью работы.

Для характеристики исходных свойств данной выборки в начале исследования оценивалась распределённость следующих признаков:

  • Гестационный возраст (для проверки соответствия доношенному сроку);
  • Количество и временные интервалы между ультразвуковыми обследованиями;
  • Минимальные и максимальные зарегистрированные значения ключевых фетометрических параметров.

Основные результаты исследования

В исследовании проведён комплексный статистический анализ связи между массой новорожденного и основными фетометрическими параметрами, полученными при ультразвуковом обследовании плода. Анализ включал данные 5161 доношенного новорожденного, полученные на основе 8022 ультразвуковых исследований. Средняя масса новорожденных составила 3323 ± 421 г, при этом 8 % детей имели массу менее 2500 г, 10 % – свыше 4000 г, а оставшиеся распределялись в диапазоне 2500–4000 г.

 

Рис. 1. Гистограмма распределения массы новорожденных

Fig. 1. Histogram of newborn birth weight distribution

Парный корреляционный анализ выявил статистически значимые положительные зависимости между массой новорожденного и измерениями таких параметров, как окружность живота (ОЖ), длина бедренной кости (ДБ) и окружность головы (ОГ). Особенно высока была степень взаимосвязи для ОЖ (r = 0.82, 95 % ДИ: 0.81–0.83), что значительно превосходило корреляционные показатели для ДБ (r = 0.62, 95 % ДИ: 0.60–0.64) и ОГ (r = 0.54, 95 % ДИ: 0.52–0.57) (p < 0.001).

Таблица 1. Корреляция между массой новорожденного и фетометрическими показателями

Table 1. Correlation between newborn's weight and photometric parameters

Параметр (X)

r(X, масса)

95% ДИ для r

Окружность живота (мм)

0.82

(0.81; 0.83)

Длина бедра (мм)

0.62

(0.60; 0.64)

Окружность головы (мм)

0.54

(0.52; 0.57)

Примечание: Все коэффициенты значимы при p < 0,001.

Для определения относительного вклада каждого из фетометрических параметров в объяснение изменчивости массы новорожденного была построена модель множественной линейной регрессии, в которой зависимой переменной выступала масса, а независимыми – ОЖ, ДБ и ОГ.

Таблица 2. Множественная линейная регрессия: зависимая переменная – масса при рождении (г).

Table 2. Multiple linear regression: the dependent variable is birth weight (g).

Предиктор

β (г на 1 мм)

SE(β)

t

p

β (стандартиз.)

95% ДИ (стандартиз.)

Intercept

-2900

180

-16.1

<0.001

Окружность живота (мм)

20.5

0.45

45.6

<0.001

0.68

(0.65; 0.71)

Длина бедра (мм)

11.3

1.10

10.3

<0.001

0.18

(0.15; 0.22)

Окружность головы (мм)

3.6

0.75

4.8

<0.001

0.07

(0.04; 0.10)

Полученная модель, объясняющая 73 % дисперсии массы (R² = 0.73), имела следующие параметры: константа (Intercept) равна –2900 г; коэффициент при ОЖ составил 20.5 г/мм (SE = 0.45, t = 45.6, стандартизованный β = 0.68, 95 % ДИ: 0.65–0.71), при ДБ – 11.3 г/мм (SE = 1.10, t = 10.3, β = 0.18, 95 % ДИ: 0.15–0.22) и при ОГ – 3.6 г/мм (SE = 0.75, t = 4.8, β = 0.07, 95 % ДИ: 0.04–0.10) (все p < 0.001). В таблице 2 представлены результаты этой модели: оценки коэффициентов β, их стандартные ошибки, t-статистика и значимость, а также стандартизированные коэффициенты (бета) и 95% доверительные интервалы для удобства интерпретации.

Дополнительно, квантильный анализ позволил выявить, что при оценке медианы массы плода коэффициент при ОЖ составляет 18.9 г/мм, при ДБ – 12.5 г/мм, а при ОГ – 4.0 г/мм, тогда как для верхнего квантиля (90 %) влияние ОЖ возрастает до 23.5 г/мм, при этом вклад ДБ снижается до 9.0 г/мм, а коэффициент при ОГ становится менее выраженным (2.0 г/мм).

Анализ динамики показал, что в третьем триместре наблюдается средний прирост окружности живота 8–10 мм/нед; при этом у плодов с массой ≥4000 г прирост достигает 11 мм/нед, а у плодов с низкой массой тела при рождении (Low Birth Weight) – 7–8 мм/нед.

Применение методов машинного обучения (Random Forest и XGBoost) подтвердило высокую информативность ОЖ: её относительная важность составляла 50–55 %, тогда как для ДБ – около 25–30 %, а для ОГ – порядка 20 %.

 

Рис. 2. Диаграммы важности признаков (Feature Importance) по моделям Random Forest и XGBoost

Fig. 2. Feature Importance diagrams based on the Random Forest and XGBoost models.

Анализ главных компонентов (PCA) выявил, что первая компонента (PC1) объясняет 78 % общей вариации и демонстрирует высокую корреляцию с массой новорожденного (r = 0.85), вторая (PC2) – примерно 18 %, а третья (PC3) – оставшиеся 4 %. Нагрузки исходных переменных на PC1 составляют 0.60 для ОЖ, 0.56 для ДБ и 0.57 для ОГ, что позволяет интерпретировать PC1 как обобщённый индекс общего размера плода.

 

Рис. 3. Scree Plot для анализа главных компонент (PCA)

Fig. 3. Scree Plot for Principal Component Analysis (PCA)

Данные результаты дополняют картину множественной регрессии, подтверждая первостепенную значимость показателя окружности живота.

Согласованность результатов всех проведённых анализов позволяет сделать вывод о том, что окружность живота является доминирующим предиктором массы новорожденного. Несмотря на статистически значимые положительные взаимосвязи с массой, такие параметры, как длина бедренной кости и окружность головы, вносят лишь дополнительный, менее выраженный вклад в прогнозирование массы, что свидетельствует об их вспомогательной информативности при оценке нутритивного статуса и общего размера плода.

Обсуждение

Резюме основного результата исследования.

В исследовании установлено, что окружность живота (ОЖ) является ключевым фетометрическим показателем для прогноза массы новорожденного, демонстрируя высокую корреляцию с массой (r = 0.82) и выдающийся вклад в модель множественной регрессии (стандартизованный коэффициент β = 0.68). Дополнительный анализ, включающий квантильную регрессию и методы машинного обучения, подтвердил, что прирост окружности живота в динамике и её абсолютное значение являются наиболее информативными для прогнозирования массы, тогда как длина бедренной кости и окружность головы вносят менее значимый, но дополнительный вклад. Эти результаты свидетельствуют о том, что оценка параметра ОЖ позволяет существенно улучшить точность прогноза массы новорожденного при доношенной беременности.

Обсуждение основного результата исследования.

Полученные данные свидетельствуют о том, что измерение окружности живота представляет надежный индикатор питания и общего размера плода, указывающий на высокую чувствительность и специфичность данного показателя в диагностике задержки роста и макросомии. Анализ множественной регрессии показал, что увеличение ОЖ на 1 мм ассоциируется с увеличением массы новорожденного примерно на 20,5 г, что подтверждает гипотезу о доминирующем влиянии этого параметра. Дополнительные подходы, такие как квантильная регрессия и анализ методов машинного обучения (Random Forest и XGBoost), выявили, что вклад ОЖ особенно выражен в прогнозировании высокой массы плода, что имеет важное практическое значение для своевременной диагностики и принятия клинических решений. Кроме того, анализ главных компонент (PCA) подтвердил наличие общего фактора, объединяющего измерения ОЖ, длины бедренной кости и окружности головы, при этом вклад ОЖ оказался наибольшим, что согласуется с концептуальными моделями внутриутробного развития, где именно увеличение объёма брюшной полости отражает прирост жировой и мягкой ткани.

Ограничения исследования.

Несмотря на значимость полученных результатов, исследование обладает рядом ограничений, способных повлиять на интерпретацию выводов. Ретроспективный дизайн исследования и данные, собранные в одном медицинском центре, могут приводить к систематическим смещениям, связанным с вариативностью методов проведения ультразвуковых исследований, опытом операторов и возможными различиями в оборудовании. Отсутствие учета дополнительных клинических переменных, таких как антропометрия матери, её возраст, паритет и сопутствующие патологии, ограничивает возможность полного контроля за всеми факторами, влияющими на массу новорожденного. Также следует отметить, что выборка включала только доношенных новорожденных, что снижает обобщаемость результатов на внеутробно недоношенные случаи. Эти ограничения указывают на необходимость проведения будущих многоцентровых и проспективных исследований с расширением набора переменных для более точного моделирования прогноза массы плода.

Заключение

Предыдущие исследования неоднократно подтверждали, что ультразвуковая фетометрия является высокоинформативным инструментом для оценки массы новорожденного, что отражено в систематических обзорах и крупных клинических исследованиях [1, 5]. Однако, остаются нерешёнными вопросы, связанные с возможными систематическими смещениями, влиянием дополнительных клинических переменных и ограничениями ретроспективного дизайна, что требует проведения дальнейших многоцентровых и проспективных исследований [6, 8]. В данном исследовании установлено, что из всех фетометрических параметров, окружность живота обладает доминирующим вкладом в прогноз массы плода, демонстрируя коэффициент корреляции r = 0.82 и влияя на массу новорожденного с показателем β = 20.5 г/мм, что подтверждается результатами множественной и квантильной регрессии, а также анализом методов машинного обучения и PCA. Дополнительный анализ выявил, что прирост окружности живота в динамике особенно важен для прогнозирования высокой массы плода, что имеет практическое значение для своевременной диагностики отклонений в росте. Полученные результаты вносят существенный вклад в оптимизацию прогностических моделей в акушерской практике и подчеркивают необходимость дальнейшего исследования дополнительных факторов, влияющих на массу новорожденного, для повышения точности и воспроизводимости оценки.

×

作者简介

Eduard Iutinsky

FSBEI HE Kirov SMU MOH Russia

编辑信件的主要联系方式.
Email: iutinskiy@ya.ru
ORCID iD: 0000-0001-5641-0269
SPIN 代码: 7139-0566

доцент кафедры акушерства и гинекологии

俄罗斯联邦, 610998, Russia, Kirov region, Kirov city, K. Marksa street, 112

Lev Zheleznov

FSBEI HE Kirov SMU MOH Russia

Email: rector@kirovgma.ru
ORCID iD: 0000-0001-8195-0996
SPIN 代码: 2107-3507

Ректор ФГБОУ ВО Кировский ГМУ Минздрава Росси

俄罗斯联邦, 610998, Russia, Kirov region, Kirov city, K. Marksa street, 112

Sergey Dvoryansky

FSBEI HE Kirov SMU MOH Russia

Email: kf1@kirovgma.ru
ORCID iD: 0000-0002-5632-0447
SPIN 代码: 1840-2379

заведующий кафедрой акушерства и гинекологии ФГБОУ ВО Кировский ГМУ Минздрава России

俄罗斯联邦, 610998, Russia, Kirov region, Kirov city, K. Marksa street, 112

参考

  1. Pavlova M.V., Orlova N.S. “Modern trends in fetometry: a literature review” Medical Review, 2023, No. 10(1), pp. 15-23.
  2. Vasiliev S.A., Gusev D.I. “Methods for assessing fetal growth using innovative technologies” Medical Technologies, 2023, No. 7(2), pp. 42-49.
  3. Volkov S.I., Mironova E.Yu. “Clinical recommendations for fetal growth assessment” Obstetrics and reproduction, 2022, No. 14(4), pp. 90-97.
  4. Ignatko I.V., Bogomazova I.M., Kardanova M.A. “Modern concepts of the diagnosis and prediction of fetal growth retardation (literature review)” Journal of Obstetrics and Women's Diseases, 2023, No.72(3), pp. 65-76.
  5. Allotey J, Archer L, Coomar D, et al. “Development and validation of prediction models for fetal growth restriction and birthweight: an individual participant data meta-analysis” Health Technol Assess, 2024, 28(47):1–119.
  6. Ali S, Byamugisha J, Kawooya MG, et al. “Standardization and quality control of Doppler and fetal biometric ultrasound measurements in low-income settings”
  7. Ultrasound Obstet Gynecol, 2023, 61(4):481–487.
  8. Acs B, Rantalainen M, Hartman J. “Artificial intelligence as the next step towards precision pathology” J Intern Med, 2020, 288(1):62–81.
  9. AdamRaileanu A, Miron I, Lupu A, et al. “Fetal Growth Restriction and Its Metabolism-Related Long-Term Outcomes: Underlying Mechanisms and Clinical Implications” Nutrients, 2025, 17(3):555.
  10. Andreasen LA, Tabor A, Nørgaard LN, et al. “Detection of growth-restricted fetuses during pregnancy is associated with fewer intrauterine deaths but increased adverse childhood outcomes: an observational study” BJOG, 2021, 128(1):77–85.
  11. Andersen AS, Linneberg Rathcke S, Tang Christensen T, Sørensen A. “The association between second trimester ultrasound fetal biometrics and gestational diabetes” Eur J Obstet Gynecol Reprod Biol, 2022, 276:139–143.

补充文件

附件文件
动作
1. JATS XML

版权所有 © Eco-Vector,



Периодический печатный журнал зарегистрирован как СМИ Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор): 0110212 от 08.02.1993.
Сетевое издание зарегистрировано как СМИ Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор): ЭЛ № ФС 77 - 84733 от 10.02.2023.