Niedobór dostępnych wątrób do przeszczepów pozostaje jednym z największych wyzwań współczesnej transplantologii. W przypadku donacji po śmierci krążeniowej (DCD) każda minuta decyduje o tym, czy narząd będzie nadawał się do wykorzystania. Obecnie około połowa zaplanowanych przeszczepów musi zostać anulowana, ponieważ dawca nie umiera w wymaganym czasie. Naukowcy ze Stanford Medicine stworzyli model sztucznej inteligencji, który potrafi przewidzieć, czy i kiedy narząd będzie możliwy do przeszczepienia. Co ważne – zrobił to dokładniej niż chirurdzy i dostępne narzędzia, zmniejszając odsetek nieskutecznych pobrań aż o 60%.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja przewiduje czas zgonu dawcy i ocenia, czy wątroba będzie zdatna do przeszczepu.
- Dlaczego technologia opracowana w Stanford Medicine zmniejsza liczbę anulowanych transplantacji aż o 60%.
- Jakie dane kliniczne analizuje model i dlaczego jego skuteczność przewyższa decyzje chirurgów.
- W jaki sposób AI może poprawić efektywność systemu transplantacyjnego oraz zwiększyć liczbę dostępnych narządów.
Dlaczego czas jest kluczowy w donacji po śmierci krążeniowej?
Donacja po śmierci krążeniowej (DCD) wymaga precyzyjnego przewidzenia czasu zgonu dawcy. Gdy odłącza się aparaturę podtrzymującą życie, narząd nadaje się do transplantacji jedynie wtedy, gdy śmierć wystąpi w ciągu 30–45 minut. Po tym okresie przepływ krwi spada na tyle, że wątroba ulega uszkodzeniu, a ryzyko powikłań po przeszczepie rośnie. Jak pokazują statystyki:
- ok. 50% dawców umiera w ciągu pierwszych 30 minut,
- u pozostałych czas zgonu jest nieprzewidywalny i zależy od wielu parametrów,
- około połowa przygotowywanych przeszczepów zostaje anulowana, ponieważ zgon następuje zbyt późno.
To ogromna strata dla systemu ochrony zdrowia, personelu, a przede wszystkim pacjentów oczekujących na przeszczep.
Przełomowy model AI z Stanford Medicine
Zespół badawczy wykorzystał dane ponad 2000 dawców z sześciu amerykańskich ośrodków transplantacyjnych. Model uczenia maszynowego analizował szerokie spektrum danych klinicznych – od parametrów życiowych po odruchy neurologiczne. Wśród analizowanych zmiennych znalazły się m.in.:
- płeć, wiek, BMI,
- ciśnienie krwi, tętno i częstość oddechów,
- ilość wydalanego moczu,
- wyniki badań laboratoryjnych,
- ustawienia respiratora,
- ocena neurologiczna i odruchy (źreniczne, kaszlowe, wymiotne, rogówkowe).
Następnie model przewidywał, czy zgon nastąpi w czasie umożliwiającym kwalifikację wątroby do przeszczepu. Badacze porównali wiele algorytmów i wybrali ten, który przewidywał czas zgonu najdokładniej.
AI przewyższa chirurgów. O 60% mniej anulowanych transplantacji
Według wyników opublikowanych w Lancet Digital Health, sztuczna inteligencja przewidywała czas zgonu z 75% dokładnością, podczas gdy chirurdzy trafnie ocenili sytuację w 65% przypadków. Jak podkreślił główny autor badania, dr Kazunari Sasaki:
Dzięki określeniu, kiedy narząd prawdopodobnie będzie przydatny, zanim rozpoczną się jakiekolwiek przygotowania do operacji, ten model może usprawnić proces przeszczepu. Ma on również potencjał, aby umożliwić większej liczbie kandydatów potrzebujących przeszczepu narządu jego otrzymanie.
Najważniejszym wynikiem badania jest redukcja tzw. nieskutecznych pobrań – sytuacji, w których personel przygotowuje się do operacji, ale narząd okazuje się niezdatny do transplantacji. AI zmniejszyła liczbę takich przypadków o 60%, co oznacza:
- mniej niepotrzebnych przygotowań chirurgicznych,
- lepsze planowanie zasobów,
- bardziej efektywne wykorzystanie normotermicznych urządzeń perfuzyjnych,
- większą liczbę potencjalnie udanych przeszczepów.
Wyzwania, które AI pomaga rozwiązać
Wątroba pobrana w procedurze DCD jest szczególnie podatna na uszkodzenia przewodów żółciowych. Wydłużony czas do zgonu może prowadzić do zaburzeń funkcji dróg żółciowych, a w konsekwencji do ciężkich powikłań wśród biorców.
Model AI:
- precyzyjnie ocenia ryzyko,
- wspiera decyzję o kwalifikacji dawcy,
- usprawnia proces planowania zabiegów,
- ogranicza straty zasobów i redukuje stres związany z procedurą.
Dlaczego model AI jest skuteczny?
Sztuczna inteligencja:
- analizuje dane w sposób wielowymiarowy,
- zauważa zależności, które są niedostrzegalne dla człowieka,
- potrafi działać mimo braków w dokumentacji,
- uwzględnia indywidualne preferencje procedur i chirurgów – model można konfigurować w zależności od lokalnych praktyk.
Model działa także w interfejsie języka naturalnego – przypominając ChatGPT – co ułatwia wprowadzanie i interpretowanie danych.
Minimalizowanie utraconych szans
Naukowcy zaznaczają, że obie metody (AI i chirurdzy) mają podobny odsetek tzw. utraconych okazji, czyli przypadków, gdy śmierć następuje na tyle szybko, by narząd nadawał się do transplantacji, ale przygotowania nie zostały jeszcze rozpoczęte. Oba podejścia mają około 15% utraconych szans.
Jednak badacze pracują już nad wersją modelu, który ten odsetek zmniejsza do około 10%. Dr Sasaki powiedział:
Obecnie pracujemy nad zmniejszeniem liczby niewykorzystanych szans, ponieważ w najlepszym interesie pacjentów leży, aby ci, którzy potrzebują przeszczepu, go otrzymali.
Zespół równolegle rozwija odmiany modelu dla transplantacji serca i płuc.
Główne wnioski
- Model AI przewiduje czas zgonu dawcy z 75% dokładnością, podczas gdy ocena chirurgów osiąga 65%. To czyni algorytm bardziej niezawodnym narzędziem w kwalifikacji narządów.
- Odsetek nieskutecznych pobrań spada o 60%, ponieważ AI pozwala wcześniej ocenić, czy wątroba będzie się nadawała do przeszczepu, co minimalizuje marnowanie zasobów i czasu zespołów transplantacyjnych.
- Model analizuje szeroki zakres danych — od parametrów życiowych po odruchy neurologiczne — i radzi sobie także wtedy, gdy dokumentacja dawcy jest niepełna.
- Technologia ma potencjał zastosowania również w przeszczepach serca i płuc, co może zrewolucjonizować proces transplantacji wielu kluczowych narządów.
Źródło:
- Stanford University Medical Center
