Preview

Здравоохранение. Healthcare

Здравоохранение. Healthcare

Расширенный поиск

Прецизионная медицина и цифровые технологии в охране репродуктивного здоровья, материнства и детства: глобальные тренды и научные исследования в Республике Беларусь

https://doi.org/10.65249/1027-7218-2026-9-4-15

Аннотация

Цель исследования. На основании анализа современных мировых тенденций научных исследований в области акушерства и гинекологии, неонатологии, педиатрии и медицинской генетики обосновать перспективные направления отечественной науки в данной сфере медицины.

Материал и методы. Выполнен скопинг-обзор по методологии PRISMA-ScR. Поиск проведен в базах данных PubMed, Scopus и Web of Science за период с января 2019 г. по июль 2026 г. (дата последнего поиска – 31.07.2026). Поисковый запрос сочетал термины precision medicine, artificial intelligence, machine learning, preeclampsia, fetal growth restriction, assisted reproduction, endometrial receptivity, newborn screening, prenatal exome/genome sequencing с операторами AND и OR. Критерии включения: оригинальные исследования, систематические обзоры и метаанализы на английском или русском языке. Критерии исключения: описания отдельных клинических случаев, публикации без полного текста. Дополнительно проанализированы государственные и международные программные документы. Отбор источников проводили три исследователя независимо друг от друга; синтез данных – качественный (нарративный), с тематической группировкой.

Результаты. Определены ключевые векторы трансформации перинатальной медицины в мире: применение искусственного интеллекта для раннего выявления осложнений беременности (AUC = 0,85–0,95 в системах прогнозирования преэклампсии и задержки роста плода); расширение геномного скрининга новорожденных с охватом свыше 36 нозологий; внедрение секвенирования экзома и генома в пренатальную диагностику (дополнительный диагностический выход – 11,0–29,5 % по сравнению с хромосомным микроматричным анализом); персонализация вспомогательных репродуктивных технологий на основе многопараметрических омик-исследований. Достижения Республики Беларусь в 2025 г. (снижение младенческой смертности до 2,4 ‰, перинатальной смертности до 3,68 ‰, выживаемость новорожденных с экстремально низкой массой тела 84,0 %) соответствуют глобальным трендам.

Заключение. Реализация подпрограммы «Акушерство, гинекология, педиатрия и медицинская генетика» государственной научно-технической программы «Инновационные технологии в медицине» на 2026–2030 годы направлена на опережающее развитие трансляционных исследований и интеграцию технологий прецизионной медицины в клиническую практику.

Об авторах

С. А. Васильев
Республиканский научно-практический центр «Мать и дитя»
Беларусь

Васильев Сергей Алексеевич

г. Минск



Е. А. Улезко
Республиканский научно-практический центр «Мать и дитя»
Беларусь

Улезко Елена Альбертовна

г. Минск



И. В. Курлович
Республиканский научно-практический центр «Мать и дитя»
Беларусь

Курлович Иван Васильевич – к. м. н., доцент, заместитель директора по научной работе

Ул. Орловская, 66, 220053, г. Минск

Сл. тел. +375 17 300-29-71 



Список литературы

1. Gbagbo, F. Y. Artificial intelligence and sexual reproductive health and rights: a technological leap towards achieving sustainable development goal target 3.7 / F. Y. Gbagbo, E. K. Ameyaw, S. Yaya // Reproductive Health. – 2024. – Vol. 21, № 1. – doi: 10.1186/s12978-024-01924-9.

2. Infertility workup for the women’s health specialist: ACOG Committee Opinion, Number 781 // Obstetrics & Gynecology. – 2019. – Vol. 133, № 6. – doi: 10.1097/AOG.0000000000003271.

3. Национальный статистический комитет Республики Беларусь. Портал данных : [сайт]. – Мн., 2026. – URL: https://dataportal.belstat.gov.by (дата обращения: 17.08.2026).

4. Machine learning prediction models for preeclampsia : systematic review and meta-analysis / L. Liu, Q. Zhu, Y. Zong [et al.] // Journal of Medical Internet Research. – 2026. – Vol. 28. – doi: 10.2196/78714.

5. A machine learning model based on placental magnetic resonance imaging and clinical factors to predict fetal growth restric- tion / J. Wang, Z. Chen, H. Zhang [et al.] // BMC Pregnancy and Childbirth. – 2025. – Vol. 25. – doi: 10.1186/s12884-025-07450-1.

6. Plasma soluble fms-like tyrosine kinase 1 to placental growth factor ratio of 11.5 multiples of median predicts preeclampsia with severe features within 2 weeks of testing / J. Espinoza, V. F. Calsavara, S. Kilpatrick [et al.] // American Journal of Obstetrics and Gynecology. – 2024. – Vol. 231, № 3. – doi: 10.1016/j.ajog.2024.05.050.

7. Hackeloer, M. New advances in prediction and surveillance of preeclampsia: role of machine learning approaches and remote monitoring / M. Hackeloer, L. Schmidt, S. Verlohren // Archives of Gynecology and Obstetrics. – 2022. – Vol. 308, № 6. – P. 1663–1677.

8. Ozcan, M. Preeclampsia prediction via machine learning : a systematic literature review / M. Ozcan, S. Peker // Health Sys- tems. – 2025. – Vol. 14, № 3. – P. 208–222.

9. Крамко, Д. А. Аспекты применения искусственного интеллекта в науке и медицине (обзор литературы) / Д. А. Крамко, О. В. Артамонова, М. Г Девялтовская // Cовременные перинатальные медицинские технологии в решении проблем демографической безопасности : сб. науч. тр. / Респ. науч.-практ. центр «Мать и дитя» ; редкол.: С. А. Васильев, Е. А. Улезко. – Мн., 2024. – Вып. 17. – С. 282–286.

10. Yunas, M. Causes of and risk factors for postpartum haemorrhage : a systematic review and meta-analysis / M. Yunas, M. Islam, K. Sindhu [et al.] // The Lancet. – 2025. – Vol. 405. – doi:10.1016/S0140-6736(25)00448-9.

11. Patient blood management in obstetrics: prevention and treatment of postpartum haemorrhage. A NATA consensus state- ment / M. Munoz, J. Stensballe, A.-S. Ducloy-Bouthors [et al.] // Blood Transfusion. – 2019. – Vol. 17, № 2. – P. 112–136.

12. Гошкевич, Е. А. Актуальность проблем диагностики и выбора тактики родоразрешения у женщин с приращением плаценты (обзор литературы) / Е. А. Гошкевич, О. А. Пересада, Т. П. Ващилина // Cовременные перинатальные медицинские технологии в решении проблем демографической безопасности : сб. науч. тр. / Респ. науч.-практ. центр «Мать и дитя» ; редкол. : С. А. Васильев, Е. А. Улезко. – Мн., 2024. – Вып. 17. – С. 66–74.

13. Patient blood management in pregnancy / A. Kaserer, C. Castellucci, D. Henckert [et al.] // Transfusion medicine and hemo- therapy. – 2023. – Vol. 50, № 3. – P. 245–255.

14. When the embryo meets the endometrium: identifying the features required for successful embryo implantation / V. Lacconi, M. Massimiani, I. Carriero [et al.] // International Journal of Molecular Sciences. – 2024. – Vol. 25, № 5. – doi: 10.3390/ijms25052834.

15. Increased incidence of live births in implanted single-embryo transfer cycles of vitrified-warmed blastocysts expanded on day 5 versus day 6 following preimplantation genetic testing for aneuploidy / C.-H. Chen, C.-I. L. Lee, C.-C. Huang [et al.] // Scientific Reports. – 2023. – Vol. 13. – doi: 10.1038/s41598-023-40052-5.

16. Small non-coding RNAs as new biomarkers to evaluate the quality of the embryo in the IVF process / S. Toporcerova, I. Spakova, K. Soltys [et al.] // Biomolecules. – 2022. – Vol. 12, № 11. – doi: 10.3390/biom12111687.

17. linical outcomes following endometrial receptivity assessment-guided personalized euploid embryo transfer in patients with previous implantation failures / M. Ruiz-Alonso, C. Gomez, T. Stankewicz [et al.] // Scientific Reports. – 2025. – Vol. 15, № 1. – doi: 10.1038/s41598-025-01056-5.

18. The clinical efficacy of personalized embryo transfer guided by the endometrial receptivity array/analysis on IVF/ICSI outcomes: a systematic review and meta-analysis / Z. Liu, X. Liu, M. Wang [et al.] // Frontiers in Physiology. – 2022. – Т. 13. – doi: 10.3389/fphys.2022.841437.

19. Evaluating the endometrial receptivity assay: a nested diagnostic accuracy study within the Synchrony randomized clinical trial / J. Chae-Kim, N. Doyle, S. Jahandideh [et al.] // Fertility and Sterility. – 2022. – Vol. 120, № 6. – P. 1255–1256.

20. Endometrial receptivity profiled through transcriptomic analysis of uterine fluid extracellular vesicles using systems biology and bayesian modeling for pregnancy prediction / D. Marzanati, F. Ranucci, L. Pagliardini [et al.] // Scientific Reports. – 2025. – Vol. 15, № 1. – doi:10.1038/s41598-025-19633-z.

21. Neurodevelopmental outcome of Italian preterm ELBW infants: an eleven years single center cohort / C. Caporali, S. Longo, G. Tritto [et al.] // Italian Journal of Pediatrics. – 2022. – Vol. 48, № 1. – doi: 10.1186/s13052-022-01303-9.

22. Baker, S. Machine learning for understanding and predicting neurodevelopmental outcomes in premature infants : a systematic review / S. Baker, Y. Kandasamy // Pediatric Research. – 2023. – Vol. 93, № 2. – P. 293–299.

23. Learning-based longitudinal prediction models for mortality risk in very-low-birth-weight infants : a nationwide cohort study / J. Y. Na, D. Jung, J. H. Cha [et al.] // Neonatology. – 2023. – Vol. 120, № 5. – P. 652–660.

24. Li, A. Improving prediction of survival for extremely premature infants born at 23 to 29 weeks gestational age in the neonatal intensive care unit: development and evaluation of machine learning models / A. Li, S. Mullin, P. L. Elkin // JMIR Medical Informatics. – 2024. – Vol. 12. – doi: 10.2196/42271.

25. Neuroprognostication via spatially-informed machine learning following hypoxic-ischemic injury / J. D. Lewis, A. A. Miran, M. Stoolper [et al.] // medRxiv. – 2025. – doi: 10.1101/2025.01.08.25320190.

26. Keles, E. The past, current, and future of neonatal intensive care units with artificial intelligence : a systematic review / E. Keles, U. Bagci // npj Digital Medicine. – 2023. – Vol. 6, № 1. – doi.org/10.1038/s41746-023-00941-5.

27. Molecular Approaches in fetal malformations, dynamic anomalies and soft markers: diagnostic rates and challenges – systematic review of the literature and meta-analysis / G. Mastromoro, D. Guadagnolo, N. Khaleghi Hashemian [et al.] // Diagnos- tics. – 2022. – Vol. 12, № 3. – doi: 10.3390/diagnostics12030575.

28. Application of exome sequencing for prenatal diagnosis of fetal structural anomalies: clinical experience and lessons learned from a cohort of 1618 fetuses / F. Fu, R. Li, Q. Yu [et al.] // Genome Medicine. – 2022. – Vol. 14, № 1. – doi: 10.1186/s13073-022-01130-x.

29. Incremental yield of whole-genome sequencing over chromosomal microarray analysis and exome sequencing for congenital anomalies in prenatal period and infancy : systematic review and meta-analysis / N. Shreeve, C. Sproule, K. W. Choy [et al.] // Ultrasound in Obstetrics & Gynecology. – 2024. – Vol. 63, № 1. – P. 15–23.

30. Multicenter, prospective cohort of genome sequencing in 750 fetal structural anomalies / R. J. Wapner, J. L. Giordano, J. De Voest [et al.] // American Journal of Obstetrics and Gynecology. – 2024. – Vol. 230, № 1. – doi: 10.1016/j.ajog.2023.11.015.

31. Prenatal whole-exome sequencing for fetal structural anomalies : a retrospective analysis of 145 Chinese cases / Y. Qin, Y. Yao, N. Liu [et al.] // BMC Medical Genomics. – 2023. – Vol. 16, № 1. – doi: 10.1186/s12920-023-01697-3.

32. Makhamreh, M. M. Advancements in prenatal genetic screening and testing: emerging technologies and evolving applica- tions / M. M. Makhamreh, M. L. Chong, I. B. Van Den Veyver // Diagnostics. – 2025. – Vol. 15, № 20. – doi: 10.3390/diag- nostics15202579.

33. Exome/genome-wide testing in newborn screening: a proportionate path forward / V. Rahimzadeh, J. M. Friedman, G. De Wert, B. M. Knoppers // Frontiers in Genetics. – 2022. – Т. 13. – doi: 10.3389/fgene.2022.865400.

34. Genomic sequencing as a first-tier screening test and outcomes of newborn screening / T. Chen, C. Fan, Y. Huang [et al.] // JAMA Network Open. – 2023. – Vol. 6, № 9. – doi: 10.1001/jamanetworkopen.2023.31162.

35. Population-based, first-tier genomic newborn screening in the maternity ward / F. Boemer, K. Hovhannesyan, F. Piaz- zon [et al.] // Nature Medicine. – 2025. – Vol. 31, № 4. – P. 1339–1350.

36. TREAT: systematic and inclusive selection process of genes for genomic newborn screening as part of the Screen4Care project / C. Saier, S. Sansen, J. Berghout [et al.] // Orphanet Journal of Rare Diseases. – 2025. – Vol. 20, № 1. – doi: 10.1186/s13023-025-03692-6.

37. Combined biochemical profiling and DNA sequencing in the expanded newborn screening for inherited metabolic diseases: the experience in an Italian reference center / S. Fecarotta, L. Vaccaro, A. Verde [et al.] // Orphanet Journal of Rare Diseases. – 2025. – Vol. 20, № 1. – doi: 10.1186/s13023-025-03546-1.


Рецензия

Для цитирования:


Васильев С.А., Улезко Е.А., Курлович И.В. Прецизионная медицина и цифровые технологии в охране репродуктивного здоровья, материнства и детства: глобальные тренды и научные исследования в Республике Беларусь. Здравоохранение. Healthcare. 2026;1(9):4-15. https://doi.org/10.65249/1027-7218-2026-9-4-15

For citation:


Vasilyev S., Ulezko E., Kurlovich I. Precision medicine and digital technologies in reproductive, maternal and child health: global trends and scientific research in the Republic of Belarus. Healthcare. 2026;1(9):4-15. (In Russ.) https://doi.org/10.65249/1027-7218-2026-9-4-15

Просмотров: 152

JATS XML


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1027-7218 (Print)