Введение
Количество проведенных циклов экстракорпорального оплодотворения (ЭКО) в России увеличивается ежегодно, что отражает не только высокую востребованность метода, но и его относительно низкую эффективность, требующую в ряде случаев проведения повторных попыток. В среднем почти две трети протоколов завершаются неудачной имплантацией [1]. Принимая во внимание большие экономические траты, необходимые для проведения процедуры, инвазивность и относительно низкую эффективность ЭКО, вопрос о начале и продолжении лечения бесплодия данным методом представляет собой сложную задачу. На этапе отбора и подготовки пациенток для оказания высокотехнологичной медицинской помощи с использованием ЭКО каждая женщина проходит комплексное клинико-лабораторное обследование, направленное на выявление факторов, снижающих шансы на успешное завершение лечения. Преимущественное значение отводится таким критериям, как фактор бесплодия, возраст, индекс массы тела, параметры гормонального профиля и овариального резерва [2]. Однако данные показатели не обладают необходимой высокой диагностической ценностью.
Более чем 60% случаев неудачных попыток имплантации при индуцированной беременности обусловлены неадекватной восприимчивостью эндометрия, регулируемой материнскими нейро-эндокринно-иммунными взаимодействиями, и только в остальной части случаев неблагоприятный исход предопределен качеством эмбриона [3; 4]. Несомненно, результат процедуры зависит от множества факторов и определяется в том числе индивидуальными особенностями каждой пациентки.
Учитывая многофакторный характер процесса наступления индуцированной беременности, актуальным является выявление сочетания современных лабораторных предикторов неудачных исходов программ ЭКО для их дальнейшего совершенствования и повышения эффективности за счет внедрения предиктивного и персонализированного подхода [5]. Среди лабораторных маркеров неудач индуцированной беременности наибольшее внимание было уделено прогностическому уровню прогестерона, вероятно, ввиду его прямого влияния на восприимчивость эндометрия [6; 7]. Разработка методов прогнозирования, основанных на личных характеристиках пациенток, в том числе молекулярно-генетических, позволит оптимизировать тактику ведения пациенток, повысить результативность использования данного метода лечения бесплодия, а также сделать его экономически рациональным за счет выделения групп пациенток с низкой эффективностью процедуры.
Цель исследования - выявить персонализированные прогностические факторы риска развития неблагоприятного исхода программ экстракорпорального оплодотворения у женщин с трубно-перитонеальным бесплодием с использованием многофакторного регрессионного анализа на основании показателей лабораторных и инструментальных методов исследования.
Материалы и методы исследования
Ранее коллективом авторов были проведены исследования, где в рамках однофакторного анализа были выявлены клинико-лабораторные факторы, ассоциированные с неблагоприятным исходом программы ЭКО [8]. Исследование соответствовало требованиям Хельсинкской декларации Всемирной медицинской ассоциации и одобрено Локальным этическим комитетом медицинского института Мордовского государственного университета им. Н.П. Огарева (протокол № 68 от 31.03.2015 г.). Все участники дали письменное информированное добровольное согласие на проведение обследования до включения в исследование. В течение 10 лет было проведено обследование 738 женщин с диагнозом «трубно-перитонеальное бесплодие». На основе ретроспективного анализа амбулаторных карт и амбулаторного приема в исследование было отобрано 528 женщин в соответствии с критериями включения (возраст женщин 18-49 лет; трубно-перитонеальный фактор бесплодия; нормальный овариальный резерв (по данным гормонального исследования и ультразвукового исследования (УЗИ) органов малого таза); отсутствие патологии эндометрия по данным УЗИ; перенос только эмбрионов хорошего качества; нормальный кариотип обоих супругов) и исключения (патология, при которой проведение базовой программы ЭКО противопоказано), средний возраст которых составил 33,9±3,6 года. Всем пациенткам проведено обследование согласно приказам Министерства здравоохранения России «О порядке использования вспомогательных репродуктивных технологий, противопоказаниях и ограничениях к их применению» (№ 107н от 30.08.2012 и № 803н 31.07.2020) и клиническим рекомендациям (протоколам лечения) «Вспомогательные репродуктивные технологии и искусственная инсеминация». Стимуляция суперовуляции проводилась с помощью «короткого» протокола, с применением рекомбинантного фолликулостимулирующего гормона (ФСГ) и антагонистов гонадотропин-релизинг гормона (ГнРГ). Всем женщинам был осуществлен перенос эмбрионов только хорошего качества.
Содержание β-субъединицы хорионического гонадотропина человека (ХГЧ), прогестерона, пролактина, интерлейкина-1α (IL-1α) определяли иммуноферментным методом с использованием тест-систем ООО «ХЕМА» и ООО «Цитокин» согласно инструкциям производителей на автоматическом иммуноферментном анализаторе Personal lab (Adaltis, Италия).
Носительство полиморфизмов генов IL-1α rs1800587 (C/T) и IL-1β rs16944 (С511Т) было определено методом ПЦР с последующим секвенированием с использованием наборов для циклического сиквенса Big Dye® Terminator Cycle Sequencing Kit v.3.1 (Applied Biosystems). Анализ нуклеотидных последовательностей выполняли с помощью программ Peak Trace, Sequence Scanner v.1.0, Chromas Lite v.2.1.1, Vector NTI Advance 10.
Диагностика беременности проводилась на 15-й день после переноса эмбриона в полость матки на основании определения в сыворотке концентрации ХГЧ и на 21-й день с помощью УЗИ.
В дальнейшем пациентки были распределены на 2 группы: 1-я группа (основная) - 343 (65%) пациентки с неблагоприятным исходом индуцированной беременности (на основании отрицательного теста на β-субъединицу ХГЧ в крови или его несоответствие норме после подсадки эмбрионов, а также отсутствие плодного яйца в полости матки по результатам УЗИ) и 2-я группа (группа контроля) - пациентки с наступившей беременностью после проведенной программы ЭКО (на основании положительного теста на β-субъединицу ХГЧ в крови и его соответствие норме после подсадки эмбрионов, а также наличие плодного яйца в полости матки по результатам УЗИ), в количестве 185 человек (35%). Средний возраст в группе 1 составил 31,2±4,1 года, в группе 2 – 32,5±3,8 года, статистически значимых различий выявлено не было. Группы были сопоставимы по основным клинико-анамнестическим критериям (перенесенные гинекологические заболевания, количество предыдущих попыток ЭКО).
Статистическая обработка результатов выполнена при помощи стандартного пакета прикладных программ Stat Soft Statistica 10.0 (США). Для формирования модели прогноза риска развития неблагоприятного исхода индуцированной беременности выполнялся регрессионный анализ путем пошагового исключения на основании критерия Хи-квадрат Вальда. Статистическая значимость выявленных различий и взаимосвязей во всех видах анализа была принята при уровне p<0,05.
Результаты исследования и их обсуждение
Персонализированная медицина является перспективным направлением в здравоохранении, основанным на индивидуальном подходе, молекулярной диагностике и анализе интегрированных данных. Внедрение данного подхода в репродуктивную медицину позволит не только повысить эффективность лечения бесплодия, но и улучшить экономическую обоснованность терапии. Большинство известных прогностических индикаторов индуцированной беременности основаны на анализе полученной фолликулярной жидкости на этапе трансвагинальной пункции или в крови в день введения триггера овуляции, то есть в процессе уже начатого протокола ЭКО [6; 7; 9]. В связи с актуальностью темы и отсутствием высокочувствительных моделей прогнозирования существует необходимость в выявлении предикторов и разработке методик прогнозирования неудач до потенциального включения женщину в программу, то есть на этапе отбора – преконцептивном этапе.
Ввиду полиэтиологичной природы формирования индуцированной беременности, определение комбинации современных маркеров, ассоциированных с неудачей программ ЭКО, представляет значительный научный и клинический интерес. В результате многофакторного логистического регрессионного моделирования были получены предикторы и сформирована модель прогнозирования риска развития неблагоприятного исхода индуцированной беременности (табл. 1).
Таблица 1
Результаты многофакторного логистического регрессионного моделирования прогностических факторов риска развития неудачного исхода индуцированной беременности
|
Параметр |
Коэффициент регрессии |
Доверительный интервал |
Отношение шансов |
P-value |
|
Константа |
-4,659±1,782 |
[-9,45; -2,902] |
– |
<0,001 |
|
Прогестерон на 20-22-й день м. ц. менее 16 нмоль/л |
3,115±0,095 |
[0,753; 7,11] |
22,54 [2,12; 1224,37] |
<0,001 |
|
Генотип T/T гена IL-1β |
2,896±0,922 |
[1,003; 8,346] |
18,09 [2,73; 4214,09] |
<0,001 |
|
IL-1α на 3-й день м. ц. менее 11,4 пг/мл |
2,685±0,662 |
[0,869; 6,964] |
14,65 [2,38; 1058,28] |
0,016 |
|
Генотип С/С гена IL-1α |
2,445±0,758 |
[0,492; 7,986] |
11,53 [1,64; 2940,81] |
0,019 |
|
Пролактин на 3-й день м. ц. более 363,8 мЕд/мл |
1,978±0,49 |
[0,522; 5,137] |
7,22 [1,69; 170,24] |
0,029 |
|
Толщина эндометрия на 2-й день м. ц. более 5 мм |
1,756±0,25 |
[0,39; 5,958] |
5,79 [1,48; 386,89] |
0,038 |
Примечание: составлено авторами.
Моделирование выполнялось с пошаговым исключением на основании статистики Хи-квадрат Вальда. Концентрация прогестерона на 20-22-й день менструального цикла (м. ц.) менее 16 нмоль/л повышает неблагоприятный исход ЭКО в среднем в 22,54 раза на каждую единицу показателя (p<0,001). Генотип T/T гена IL-1β повышает неблагоприятный исход ЭКО в среднем в 18,09 раза на каждую единицу показателя (p<0,001). Концентрация IL-1α в сыворотке на 3-й день м. ц. менее 11,4 пг/мл повышает неблагоприятный исход ЭКО в среднем в 14,65 раза на каждую единицу показателя (p=0,016). Генотип С/С гена IL-1α повышает неблагоприятный исход ЭКО в среднем в 11,53 раза на каждую единицу показателя (p=0,019). Концентрация пролактина на 3-й день м. ц. более 363,8 мЕд/мл повышает неблагоприятный исход ЭКО в среднем в 7,22 раза на каждую единицу показателя (p=0,029). Толщина эндометрия на 2-й день м. ц. более 5 мм повышает неблагоприятный исход ЭКО в среднем в 5,79 раза на каждую единицу показателя.
Совокупность выявленных предикторов позволяет сделать прогноз развития неблагоприятного исхода программы ЭКО с точностью 89,2%. Полученная совокупность факторов обобщает 77,6% дисперсии прогнозируемого исхода (табл. 2). При этом прогноз полностью соответствует фактическим данным с учетом полученных результатов при проведении теста Хосмера-Лемешова (p=0,583).
Таблица 2
Оценка валидности многофакторного логистического регрессионного моделирования прогностических факторов риска развития неудачного исхода индуцированной беременности
|
Пошаговый отбор |
Исключение |
|
AUC |
0,8917 |
|
Negelkerke R2 |
0,7759 |
|
Hosmer-Lemeshov |
0,5825 |
Примечание: составлено авторами.
В недавнем исследовании было показано, что содержание белка острой фазы пентраксина-3 (PTX3) в фолликулярной жидкости женщин, прошедших программу ЭКО, коррелирует с процентом неудач имплантации и может служить потенциальным биомаркером нарушения имплантации [10]. В то же время уровень IL-1β не оказывал прогностического влияния. Однако, несмотря на высокую диагностическую значимость и новизну выявления PTX3 в качестве потенциального биомаркера, сами авторы отмечают ограниченность результатов в связи с небольшим объемом выборки, что может влиять на статистическую мощность и воспроизводимость результатов.
Ранее Сагамоновой К.Ю. с соавторами была разработана прогностическая модель, основанная на выявлении в фолликулярной жидкости таких лабораторных маркеров, как протеолитические ферменты – пептид-гидролазы [11]. Недостатками метода являются его травматичность при взятии пункции и возможность использования во время протокола стимуляции суперовуляции, а не до включения женщины в программу ЭКО, к достоинствам следует отнести простоту метода.
В исследовании других авторов была продемонстрирована возможность определения васкуло-эндотелиального фактора роста-А и трофобластического β1-гликопротеина с последующим вычислением прогностического индекса угрозы прерывания индуцированной беременности [12]. Данная модель отличается высокой точностью, а также возможностью корректировки тактики ведения пациентки, однако ее применение ограничено 11-14 неделями гестации и никак не может быть использовано на преконцептивном этапе.
Стоит отметить результаты исследований Ульяновой Т.В. с соавторами, которые предложили использовать в качестве предикторов исхода процедуры ЭКО на момент вступления в программу – показатели базового лабораторного анализа - общего анализа крови, с учетом возраста пациенток [13]. Преимуществом метода является его общедоступность и простота анализа, однако у модели есть ограничения в виде отсутствия внешней валидации на независимых выборках, что снижает её применимость в других клинических условиях и популяциях.
Алгоритм, основанный на выявлении молекулярно-генетических маркеров неблагоприятного исхода программ ЭКО, позволяет до стимуляции суперовуляции определить в лейкоцитах периферической крови полиморфизм генов HLA II класса и при обнаружении носительства гаплотипов DQA1*0101-DQB1*0501 или DQA1*0102-DQB1*0502 прогнозировать неудачу процедуры [14]. Данный метод позволяет учитывать индивидуальные особенности каждой пациентки до включения ее в программу ЭКО с возможностью персонифицированного подхода к ведению женщин, однако стоит отметить его недостаточную точность – 76,9%.
Следует также отметить, что в настоящее время особую популярность получили такие методы, как нейронные сети (Neural Networks, NN) и машины опорных векторов (Support Vector Machines, SVM), обеспечивающие обработку больших массивов данных, включая переменные, связанные с возрастом, лабораторными показателями, параметрами стимуляции и качеством эмбрионов [15; 16]. Это делает прогнозы более точными по сравнению с традиционными статистическими подходами, создавая основу для персонализированной терапии. Однако методы машинного обучения имеют ограничения: зависимость от качества исходных данных, трудность интерпретации, необходимость значительных вычислительных ресурсов и квалифицированного сопровождения, регулярная адаптация и обновление программного обеспечения.
Для оценки эффективности разработанной модели было решено сравнить её с ранее описанными моделями. Представленная модель продемонстрировала точность 89,2%, что существенно превышает показатели большинства существующих решений. Значение AUC-ROC составило 0,8917, что указывает на высокую диагностическую мощность и способность точно различать благоприятные и неблагоприятные исходы. Ключевым преимуществом модели является включение биомолекулярных маркеров, таких как концентрации прогестерона, IL-1α и пролактина, которые традиционные модели не учитывают. Например, концентрация прогестерона ниже 16 нмоль/л повышает риск неблагоприятного исхода в 22,5 раза, подчёркивая клиническую значимость этого показателя. Учет генетических факторов, таких как носительство генотипов T/T rs16944 гена IL-1β и C/C rs1800587 гена IL-1α, позволяет персонализировать подход к лечению, более точно прогнозируя риски для каждой пациентки, и представляет возможности для коррекции терапии. Модель анализирует сложные взаимосвязи между предикторами, что недостижимо для традиционных регрессионных моделей. Это обеспечивает более точные прогнозы, чем использование только клинических данных, таких как возраст или качество эмбрионов. Результаты теста Хосмера-Лемешова (p=0,583) подтвердили высокую степень соответствия прогнозов фактическим результатам. Индекс Nagelkerke R² показал, что модель объясняет 77,6% вариации исходов, что является значительным достижением для подобных исследований. Традиционные методы, такие как логистическая регрессия, основанные на ограниченном наборе клинических данных, обычно достигают точности около 70-80% и не учитывают биомолекулярные параметры. Современные алгоритмы машинного обучения, хотя и показывают высокую точность, редко включают генетические данные. Разработанная модель интегрирует как лабораторные, так и клинические показатели, что обеспечивает более высокий уровень персонализации.
Выявленные предикторы и описанная модель представляют собой эффективный инструмент для оценки риска развития неблагоприятного исхода ЭКО и адаптации тактики лечения на основе объективных данных. Включение клинических и лабораторных параметров позволяет учитывать как системные, так и локальные факторы, влияющие на успех процедуры. Благодаря многофакторному подходу, высокой точности и персонализации, модель превосходит существующие аналоги. Она представляет собой перспективный инструмент для внедрения в клиническую практику, способный значительно повысить эффективность процедуры и внедрить персонализированные стратегии управления циклом ЭКО за счет выделения группы с низкой эффективностью процедуры. Стоит отметить, что ввиду малого количества пациенток, включенных в исследование, имеется необходимость проведения аналогичного исследования по выявленным предикторам на большей выборке.
Заключение
В результате многофакторного регрессионного анализа получены предикторы и сформирована модель прогнозирования неблагоприятного исхода индуцированной беременности, включающая совокупность следующих факторов: концентрация прогестерона менее 16 нмоль/л на 20-22-й день м. ц., IL-1α на 3-й день м. ц. менее 11,4 пг/мл, пролактина на 3-й день м. ц. более 363,8 мЕд/мл, носительство генотипов T/T rs16944 гена IL-1β и С/С rs1800587 гена IL-1α, толщина эндометрия на 2-й день м. ц. более 5 мм. Представленный алгоритм имеет высокую прогностическую значимость и позволяет сделать прогноз риска неблагоприятного исхода программы ЭКО с точностью 89,2%.