Захворювання, пов’язані з бактеріальним вагінозом, призводять до хронічних запальних процесів внутрішніх статевих органів,
розвитку спайкових процесів органів малого тазу, неплідності, самовільним перериванням вагітності на різних термінах, а також
розвитку злоякісних новоутворень. Вагінальна мікрофлора є індикатором стану здоров’я жінки, що реагує на зміни гормонального
та імунологічного статусу при різних патологічних станах. З метою прогнозування розвитку дисбіозу була розроблена та побудована
лінійна нейромережева модель для визначення ступеню важкості дисбіозу за показниками гуморальних факторів імунітету, до якої
увійшло визначення рівнів компоненту комплементу С4 та γ-інтерферону у вагінальному секреті, а також вміст у крові циркулюючих
імунних комплексів та фактору некрозу пухлин α. Показник згоди каппа Коена свідчить про адекватність побудованої моделі. Створено інтерфейс експертної системи прогнозування ступеня важкості дисбіозу за показником гуморальних факторів.
Diseases associated with bacterial vaginosis lead to chronic inflammatory processes of the internal genitals, the development of adhesions
of the pelvic organs, infertility, spontaneous abortion at different times, as well as the development of malignant neoplasms. Vaginal microflora
is an indicator of a woman’s health, which can form changing in hormonal and immunological status during various pathological conditions.
The aim of the study was to create a system for prediction of the dysbiosis development according to the levels of nonspecific humoral
factor of immune defense.
Materials and methods. The study was performed in 298 women aged 16 to 64 years, 53 of whom were diagnosed with normocenosis,
and 245 have dysbiosis. Women were divided into 3 groups according to age. Regression analysis was used.
Research results and their discussion. Our previous research have shown a correlation between increased levels of anti-inflammatory
cytokines in the blood and vaginal secretions with the stage of dysbiosis. A logistic regression model was constructed during the study, which
showed that the risk of developing dysbiosis in terms of normobiota increases with increasing levels of interleukin 2 in the blood, tumor
necrosis factor α. Significant features of the three-factor model for predicting the risk of developing dysbiosis (IL2, IL4 and TNFα) were
selected by the method of genetic algorithm. The levels of these indicators in the blood were related to the severity of dysbiosis according to
the results of discriminant analysis.
Conclusions. Thus, a linear neural network model was developed for determination of dysbiosis severity according to the levels of
nonspecific humoral factors of immune defense such as the C4 component of the complement system and γ-interferon in vaginal secretions,
as well as the amount of circulating immune complexes and tumor necrosis factor α in the blood. Kappa Cohen’s agreement for this model on
the training set was 0.87 (95% CI 0.82-0.91), and on the confirmatory set was 0.89 (95% CI 0.77-1.00). These indicators show the adequacy
of the constructed model. The interface of the expert system for the dysbiosis severity prediction has been created.
