Исследование основано на анализе данных 190,7 тысячи беременностей в 26 штатах и округе Колумбия за 2017–2019 годы. Помимо клинических и демографических показателей, авторы использовали информацию о доступности медицинской помощи, расстоянии до мест получения акушерских услуг и состоянии инфраструктуры. Такой подход позволил точнее оценивать риски в группе, где осложнения и материнская смертность остаются высокими, а большинство неблагоприятных исходов считаются предотвратимыми.
Модель, использующая только клинические данные, показала точность 86,3%, а качество классификации риска достигло 93,1%. При добавлении социальных факторов чувствительность прогноза выросла с 71,3% до 81,3%, при этом специфичность практически не изменилась и составила 94,3%. Так, алгоритм стал заметно лучше выявлять будущие осложнения без роста числа ложных тревог.
Ключевой результат связан со временем выявления риска. Алгоритм определял повышенную вероятность осложнений в среднем на 55 дней раньше, чем стандартные клинические индикаторы, и более чем за 200 дней до наступления неблагоприятного события. Это открывает возможность для превентивных вмешательств уже в первом триместре – подключения патронажа, координации помощи и социальной поддержки еще до появления диагнозов и острых состояний.
Авторы отмечают, что клинические различия между беременностями с осложнениями и без них часто минимальны и плохо подходят для традиционной стратификации риска. Предсказательная ценность формируется не отдельными факторами, а их сочетаниями – медицинскими, поведенческими и инфраструктурными. Именно здесь ИИ оказался эффективнее классических моделей.
В практическом плане американское исследование отражает общий тренд на превентивное применение ИИ в здравоохранении – использование прогнозов не для фиксации уже возникших проблем, а для раннего определения рисков и потребностей пациента. Аналогичные подходы применяются и в других областях: модели машинного обучения на данных электронных медкарт позволяют в первые 24–72 часа после экстренной госпитализации прогнозировать потребность пожилых пациентов в гериатрическом сопровождении и реабилитации, а биомаркерные ИИ-модели используются для ранней оценки риска нейродегенеративных и сердечно-сосудистых заболеваний.
Представленный подход направлен на раннее выявление рисков и снижение числа тяжелых осложнений и смертей, связанных с беременностью и родами. По данным Всемирной организации здравоохранения, в 2023 году от причин, связанных с беременностью и родами, в мире умерли около 260 тысяч женщин.
В разных странах для решения одной и той же задачи используются разные инструменты. Так, в России, помимо клинических решений, ставка делается на управленческие механизмы: анализ данных за 2024 год показал, что в акушерских стационарах третьего уровня, внедривших систему менеджмента качества Росздравнадзора, выживаемость пациенток при жизнеугрожающих осложнениях выше, а материнская смертность ниже среднероссийского уровня, несмотря на концентрацию самых тяжелых случаев.
