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.

1. Rossi RM, Requarth E, Warshak CR, Dufendrach KR, Hall ES, DeFranco EA. Risk Calculator to Predict Cesarean Delivery Among Women Undergoing Induction of Labor. Obstet Gynecol. 2020; 135(3): 559–568. doi: 10.1097/AOG.0000000000003696

2. Ferreira I, Simões J, Correia J, Areia AL. Predicting vaginal delivery after labor induction using machine learning: Development of a multivariable prediction model. Acta Obstet Gynecol Scand. 2025; 104(1): 164–173. doi: 10.1111/aogs.14953

3. Султанмуратова Д.Д., Исенова С.Ш., Казыбаева А.С., Нурбаева Т.Ю., Наханова Ж.К. Модель прогнозирования кесарева сечения при индукции родов в доношенном сроке беременности. Вопросы гинекологии, акушерства и перинатологии. 2024; 23(1): 117– 122. doi: 10.20953/1726-1678-2024-1-117-122

4. Грищенко О.В., Мамедова С.Ш. Прогнозирование слабости родовой деятельности, ставшей причиной кесарева сечения. Репродуктивная медицина. 2020; 2(43): 56–59. doi: 10.37800/RM2020-1-14

5. Гурьев Д.Л. и др. Оценка эффективности индукции родов в стационаре. РМЖ. Мать и дитя. 2020; 3(1): 10–16. doi: 10.32364/2618-8430-2020-3-1-9-15

6. Guedalia J, Lipschuetz M, Novoselsky-Persky M, Cohen SM, Rottenstreich A, Levin G, et al. Real-time data analysis using a machine learning model significantly improves prediction of successful vaginal deliveries. Am J Obstet Gynecol. 2020; 223(3): 437.e1-437.e15. doi: 10.1016/j.ajog.2020.05.025

7. Levine LD, Downes KL, Parry S, Elovitz MA, Sammel MD, Srinivas SK. A validated calculator to estimate risk of cesarean after an induction of labor with an unfavorable cervix. Am J Obstet Gynecol. 2018; 218(2): 254.e1–254.e7. doi: 10.1016/j.ajog.2017.11.603

8. Hu T, Du S, Li X, et al. Establishment of a model for predicting the outcome of induced labor in full-term pregnancy based on machine learning algorithm. Sci Rep. 2022; 12(1): 19063. doi: 10.1038/s41598-022-21954-2

9. Kamlungkuea T, Manonai J, Suriyawongpaisal P, Hansahiranwadee W. Factors Predicting Successful Vaginal Delivery Following Induction of Labor in Term Pregnancy. Int J Womens Health. 2022; 14: 245–255. doi: 10.2147/IJWH.S347878

10. Huang K, Liu Z, Luo J, Li X, Yan J. Random Forest Model for Labor Induction in Pregnant Women With Hypertensive Disorders Using a Cervical Double Balloon. Altern Ther Health Med. 2023; 29(1): 44–51.

11. Hamm RF, Srinivas SK, Levine LD, et al. Maternal morbidity and birth satisfaction after implementation of a validated calculator to predict cesarean delivery during labor induction. JAMA Network Open. 2020; 3(11): e2025582. doi: 10.1001/jamanetworkopen.2020.25582

12. D’Souza R, Doyle O, Miller H, Pillai N, Angehrn Z, Li P, et al. Prediction of successful labor induction in persons with a low Bishop score using machine learning: Secondary analysis of two randomized controlled trials. Birth. 2023; 50(1): 234–243. doi: 10.1111/birt.12691

13. Васильев С.А. и др. Метод прогнозирования исхода индуцированных родов с учетом комплексной оценки шейки матки. Репродуктивное здоровье. Восточная Европа. 2021; 11(4): 397–409. doi: 10.34883/PI.2021.11.4.002

14. Bushman ET, Thompson N, Gray M, Steele R, Jenkins SM, Tita AT, et al. Influence of Estimated Fetal Weight on Labor Management. Am J Perinatol. 2020; 37(3): 252– 257. doi: 10.1055/s-0039-1695011

15. Мудров В.А. Возможности прогнозирования аномалий родовой деятельности. Журнал акушерства и женских болезней. 2020; 69(5): 13–26. doi: 10.17816/JOWD69513-26

16. Баранова М.В. и др. Перспективы проведения индукции родов окситоцином в течение 12 часов (опыт перинатального центра). Пермский медицинский журнал. 2024; 41(1): 114–119. doi: 10.17816/pmj411114119

17. Ma Z, Liu Y, Chai L, Jin G, Sun Y, Zhou S, et al. Metabolic changes in bile acids with pregnancy progression and their correlation with perinatal complications in intrahepatic cholestasis of pregnant patients. Sci Rep. 2023; 13(1): 1608. doi: 10.1038/s41598-022-22974-8

18. Bregand-White JM, Kominiarek MA, Hibbard JU. Hypertension and patterns of induced labor at term. Pregnancy Hypertens. 2017; 10: 57–63. doi: 10.1016/j.preghy.2017.06.003