Современные представления об использовании искусственного интеллекта в интерпретации интранатальной КТГ: обзор литературы
Репродуктивная медицина (Центральная Азия) · 01.10.2026 · (3) · 45-53
DOI: 10.37800/rm.3.2026.796 ↗Kurz gefasst
Fachartikel in der Zeitschrift Репродуктивная медицина (Центральная Азия), online erschienen am 01.10.2026. Verfasst von С.С. Искалиева und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).
Abstract (Originalsprache)
Актуальность: Кардиотокография (КТГ) по-прежнему выступает базовым инструментом интранатального мониторинга, но ее клиническая ценность снижается из-за высокой доли субъективизма при оценке, низкой специфичности и нехватки строгих критериев патологических паттернов. Как следствие, в акушерской практике наблюдается рост числа неоправданных оперативных вмешательств, не сопровождающийся реальным снижением тяжелых неонатальных исходов. Внедрение алгоритмов искусственного интеллекта (ИИ) сегодня считается одним из самых многообещающих путей к повышению точности и независимости анализа КТГ. Цель исследования – систематизировать актуальные научные данные о недостатках традиционной визуальной оценки интранатальной КТГ, изучить современные нейросетевые подходы к ее расшифровке и выделить наиболее информативные маркеры реакции плода на родовой стресс. Материалы и методы: Проведен аналитический обзор научных статей с 1 января 2016 г. по 15 апреля 2026 в базах Scopus, Web of Science, PubMed, CyberLeninka по ключевым словам: Artificial Intelligence, Intrapartum Fetal Monitoring, Cardiotocography, Fetal Distress, Machine Learning. Результаты: Внедрение многослойных нейронных сетей, включая гибридные модели и архитектуры с механизмами внимания, позволяет находить скрытые нелинейные зависимости между маточными сокращениями и сердечным ритмом плода. Согласно ретроспективным данным, площадь под ROC-кривой (AUC) для таких систем может достигать 0,90. В то же время эффективность ИИ на практике остается нестабильной из-за неоднородности клинических данных, преобладания нормальных исходов родов в обучающих выборках и дефицита масштабных размеченных баз. Наиболее перспективным вектором развития признан отказ от поиска уже развившейся гипоксии в пользу прогностических моделей, оценивающих отклонение параметров плода от физиологической нормы. Подчеркивается важность использования мультимодального подхода (интеграция данных анамнеза и клиники) и создания «прозрачных» для врача алгоритмов. Заключение: Глубокое машинное обучение обладает серьезным потенциалом для анализа нелинейных паттернов КТГ и уверенного исключения дистресса плода. Однако внедрение таких систем в родильные залы пока сдерживается низким качеством обучающих выборок, классовым дисбалансом, разнородностью клинических конечных точек и ошибками в архитектуре исследований. На данном этапе развития технологий ИИ следует рассматривать не как замену клиническому мышлению врача, а как интеллектуальную систему поддержки принятия врачебных решений.
Zitieren
APA
Искалиева, С., Айтбаева, Б., & Ли, И. (2026). Современные представления об использовании искусственного интеллекта в интерпретации интранатальной КТГ: обзор литературы. Репродуктивная медицина (Центральная Азия), 45-53. https://doi.org/10.37800/rm.3.2026.796
Vancouver
Искалиева С, Айтбаева Б, Ли И. Современные представления об использовании искусственного интеллекта в интерпретации интранатальной КТГ: обзор литературы. Репродуктивная медицина (Центральная Азия). 2026:45-53. doi:10.37800/rm.3.2026.796
BibTeX
@article{2026,
author = {Искалиева, С.С. and Айтбаева, Б.М. and Ли, И.Е.},
title = {Современные представления об использовании искусственного интеллекта в интерпретации интранатальной КТГ: обзор литературы},
journal = {Репродуктивная медицина (Центральная Азия)},
year = {2026},
number = {3},
pages = {45--53},
doi = {10.37800/rm.3.2026.796}
}
EUVIMED