PHENOTYPIC STRATIFICATION, METABOLIC MARKERS, AND PROGNOSTIC VALUE IN THE EARLY DIAGNOSIS OF POLYCYSTIC OVARY SYNDROME
Keywords:
polycystic ovary syndrome; phenotypes; hyperandrogenism; metabolic disorders; insulin resistanceAbstract
Актуальность. Синдром поликистозных яичников (СПКЯ) является одним из наиболее распространённых эндокринных расстройств у женщин репродуктивного возраста и характеризуется выраженной клинико-метаболической гетерогенностью. Фенотипическая стратификация позволяет уточнить клинический прогноз и индивидуализировать подходы к терапии. Цель. Оценить клинико-гормональные и метаболические особенности различных фенотипов СПКЯ и определить информативные маркёры для ранней диагностики заболевания. Материалы и методы. Обследованы 145 пациенток с СПКЯ, разделённые на четыре фенотипа по критериям Rotterdam (2003), и 22 женщины контрольной группы. Оценивались клинические, ультразвуковые, гормональные и метаболические показатели. Статистический анализ включал регрессионные модели, ROC-анализ и нейросетевые алгоритмы. Результаты. Наиболее неблагоприятный профиль выявлен у пациенток с фенотипом А (ожирение, инсулинорезистентность, дислипидемия, выраженная гиперандрогения). Фенотип D характеризовался минимальными нарушениями и приближался к контрольной группе. Ключевые маркёры ранней диагностики СПКЯ: длительность менструального цикла, уровень тестостерона, индекс массы тела, объём яичников и количество антральных фолликулов. Заключение. Фенотипическая стратификация и использование диагностически значимых маркёров позволяют повысить точность ранней диагностики СПКЯ и сформировать персонализированные стратегии ведения пациенток.
References
Dewailly D, Lujan ME, Carmina E, et al. Definition and significance of polycystic ovarian morphology: a task force report from the Androgen Excess and Polycystic Ovary Syndrome Society. Hum Reprod Update. 2017;23(5):575–592.
Escobar-Morreale HF. Polycystic ovary syndrome: definition, aetiology, diagnosis and treatment. Nat Rev Endocrinol. 2018;14(5):270–284.
Kahal H, Kyrou I, Uthman OA, Randeva HS. Machine learning in the prediction of polycystic ovary syndrome: current state and future directions. Reprod Biomed Online. 2020;41(3):405–415.
Lizneva D, Suturina L, Walker W, Brakta S, Gavrilova-Jordan L, Azziz R. Phenotypes and prevalence of polycystic ovary syndrome. Fertil Steril. 2016;106(1):6–15.
Rotterdam ESHRE/ASRM-Sponsored PCOS Consensus Workshop Group. Revised 2003 consensus on diagnostic criteria and long-term health risks related to polycystic ovary syndrome. Hum Reprod. 2004;19(1):41–47.
Teede HJ, Joham AE, Boyle J, et al. FIGO recommendations on polycystic ovary syndrome: An international expert consensus. Int J Gynaecol Obstet. 2023;163(2):323–341.
Teede HJ, Misso ML, Costello MF, et al. International evidence-based guideline for the assessment and management of polycystic ovary syndrome. Hum Reprod. 2018;33(9):1602–1618.
