Патогенез развития тромбозов при ГГц

При ГГц наблюдается активация всех компонентов гемостаза: сосудистой стенки, тромбоцитарного и плазменно-коагуляционного звеньев (24).

1. 
   Сосудистый компонент тромбофилии:
   

Неферментативные окислительно-восстановительные реакции, лежащие в основе развития оксидативного стресса при ГГц облегчают образование гомоцистина, смешанных дисульфидов Гц и Гц-тиолактона. В процессе окисления сульфгидрильных групп образуются перекисные ионы (Ог-) и Н2О2, которые инициирует перекисное окисление липидов. Оно, в свою очередь, уменьшает гидрофобность липидов, приводит к образованию ковалентных сшивок между молекулами липидов и белков, вызывает повреждение липидных и белковых компонентов мембран, а также мембраносвязанных ферментов.

Увеличение в крови Гц приводит к снижению продукции сульфатированных глюкозам иногликанов, активирующих плазменную липопротеидлипазу, вследствие чего в мембранах повышается содержание липопротеидов низкой и очень низкой плотности (ЛПНП и ЛПОНП), что

снижает эластичность внутрисосудистой выстилки.

П. Повышение адгезии и агрегации тромбоцитов:

Гомоцистеин вмешивается в метаболизм арахидоновой кислоты, что приводит к повышению адгезии и агрегации тромбоцитов вследствие увеличения высвобождения тромбоксана А2 в тромбоцитах, подавления синтеза простациклииа в эндотелиоцитах, увеличения на эндотелии vWF, также повышения чувствительности тромбоцитов к

АДФ и тромбину.

Ш. Повышение коагуляционных свойств крови:

1. 
   Помимо тромбоцитов и эндотелиоцитов, Гц в равной степени изменяет функции других клеток организма. В условиях повреждения тучных клеток за счет уменьшения выработки гепарина снижается активность АТ-Ш, что способствует гиперкоагуляции. При выраженной ГГц определяется повышенная активность фактора ХП.
   
2. 
   Гц усиливает выработку тканевого фактора макрофагами путем повышения скорости синтеза его мРНК, а также путем угнетения тканевого активатора ингибитора плазминогена (1РА1).
   
3. 
   Гц в больших концентрациях угнетает синтез тромбомодулина, без которого тромбин не образует комплекса, активирующего белковые антикоагулянты протеин С и протеин Б. Те, в свою очередь, не снижают активности факторов V и VIII.
   

Приведенные литературные сведения в очередной раз заставляют обратить внимание на акушерскую патологию, связанную в своем генезе с нарушениями коагуляционно-сосудистого состояния маточноплацентарного кровотока у беременных женщин на всех этапах гестации. Вместе с тем, приведенные данные литературы сложны и нередко противоречивы, что побуждает к дальнейшим исследованиям в поисках более точного объяснения акушерской патологии.

Диагностика СЗРП традиционно начинается с акушерских методов обследования, определяющих размеры матки по высоте стояния ее дна над лоном и окружности живота на уровне пупка. Однако, методами наружного акушерского обследования можно установить диагноз СЗРП не более, чем в 1/4 случаев. Исключительно важным в диагностике является правильное определение гестационного возраста плода, но «золотым стандартом» выявления СЗРП является ультразвуковая фетометрия (27; 40). Во втором - третьем триместрах при УЗИ измеряют бипариетальный размер головки, величину трубчатых костей, живота плода и их соотношения. При дефиците питания уменьшается, в первую очередь, окружность живота плода, так как уменьшаются размеры печени, испытывающей дефицит гликогена. Для определения выраженности асимметричной формы СЗРП вычисляют отношение окружности головы и бедра к окружности или среднему диаметру живота (16, 60).

Поскольку показатели массы и роста нормального плода могут различаться в зависимости от региона, в каждом регионе разрабатываются собственные нормативы фетометрии, учитывая антропометрические особенности населения (64, 71).

На основании результатов фетометрии можно определить степень задержки роста плода, которая, как правило, коррелирует со степенью тяжести ПН и неблагоприятными исходами: I степень - отставание на 2 недели, II степень — отставание на 3-4 недели и III степень - отставание более, чем на 4 недели.

В диагностике СЗРП большое значение имеют динамическая оценка функционального состояния плода с использованием кардиотокографии, оценка биофизического профиля плода, плацентометрия, допплерометрия плодового и маточно-плацентарного кровотока (5).

В качестве косвенного признака СЗРП (как проявление хронической плацентарной недостаточности) может рассматриваться объем околоплодных вод, однако, у 8-10% плодов с СЗРП количество вод нормальное, а при многоводии в 40% случаев имеет место СЗРП (46; 60).

Наряду с возможностями диагностики СЗРП, большой интерес у клиницистов может вызвать возможность прогнозирования данного акушерского осложнения и его профилактика. Для прогнозирования возможности развития СЗРП необходимо выявление ранних признаков акушерских осложнений, каковыми могли бы быть данные лабораторных, инструментальных или других вспомогательных методов исследования. Анализируя полученные данные, врач мог бы прогнозировать возможность развития осложнений и своевременно предпринять меры профилактики.

В правильности прогнозирования вероятности развития СЗРП, как и любого другого события, в современных условиях нам могут помочь Нейронные сети - мощная вычислительная модель, имитирующая работу человеческого мозга. В последнее время в Internet появилось большое количество сообщений об успешном применении искусственных нейросетей в медицине. Другое название нейронных сетей - искусственный интеллект. В медицине нейронные сети использовали для прогнозирования вероятности развития инфаркта миокарда (Бакст В., 1990), прогноза лечения рака яичников (Каппен Г., 1995). В Австралии Джорж Христос использовал теорию нейронных сетей для построения первой гипотезы о причинах загадочного синдрома внезапной смерти новорожденных. В России в 90-х годах XX века с помощью нейронных сетей были созданы программы для выбора оптимального метода лечения базальноклеточного рака кожи, диагностики меланомы (Горбань А.Н.), анализа заболеваний органов слуха, прогнозирования венозных тромбо-эмболических осложнений в гинекологии (50). Типичная нейронная сеть состоит из нескольких «слоев», причем каждый «нейрон слоя» связан с «нейронами следующего слоя». Первый слой нейронов называется входом, последний - выходом, а остальные — скрытыми. На вход подают данные, которые хотят анализировать, а на выходе получаем диагноз, закодированный целым числом. Необходимо подчеркнуть, что использование нейронных сетей дает возможность прогнозировать любое событие с вероятностью более 80%, что является высоким уровнем точности прогноза (70). В доступной нам литературе мы не нашли данных о прогнозировании вероятности развития СЗРП, поэтому решили предпринять попытку прогнозирования данного акушерского осложнения.