Umělá inteligence předpovídá, kdy jsou dárcovská játra životaschopná a potenciálně snižuje zrušené transplantace o 60 %

Na seznamu čekatelů na transplantaci jater je více kandidátů, než je dostupných orgánů, ale zhruba v polovině případů, kdy se najde shoda s dárcem, který zemře po zástavě srdce po odstranění podpory života, musí být transplantace zrušena.

U tohoto typu dárcovství orgánů, nazývaného darování po oběhové smrti, nesmí doba mezi odstraněním podpory života a smrtí přesáhnout 30 až 45 minut, jinak chirurgové často odmítnou játra kvůli zvýšenému riziku komplikací pro příjemce.

Vědci ze Stanford Medicine nyní vyvinuli model založený na strojovém učení, který předpovídá, zda dárce pravděpodobně zemře v časovém rámci, během kterého jsou jeho orgány životaschopné pro transplantaci. Model překonal úsudek chirurga a snížil míru zbytečných zakázek – ke kterým dochází, když transplantace přípravy začaly, ale smrt nastává příliš pozdě – o 60 %.

„Tím, že tento model identifikuje, kdy je pravděpodobné, že orgán bude užitečný před zahájením jakékoli přípravy na operaci, mohl by tento model zefektivnit proces transplantace,“ řekl Kazunari Sasaki, MD, klinický profesor abdominální transplantace a hlavní autor studie. „Má také potenciál umožnit více kandidátům, kteří potřebují transplantaci orgánu, aby ji dostalo.“

The práce je zveřejněn v Digitální zdraví Lancet. Hlavním autorem studie je Rintaro Yanagawa z Kjótské univerzity.

Zefektivnění dárcovství jater

Pro lidi s onemocněním jater v konečném stádiu, které spočívá v těžkém a nevratném poškození orgánu, je nejlepší možností léčby transplantace.

Počet lidí, kteří potřebují játra, převyšuje počet dárců, ale rozdíl se začíná zmenšovat díky přístrojům, které provádějí normotermickou strojní perfuzi, což je technika, která udržuje orgány v ideální teplotě a zásobuje je kyslíkem, zatímco putují od dárce k příjemci. Tato zařízení umožnila použít k transplantaci orgány z dárcovství po oběhové smrti.

Zatímco většina darů jater pochází od dárců, kteří trpěli mozková smrtpočet odběrů po oběhové smrti roste.

„Počet transplantací jater stále stoupá kvůli dárcovství po oběhové smrti a čekací listina se zmenšuje. V budoucnu by to mohlo být možné pro každého, kdo potřebuje transplantaci jater získat jeden od zemřelého dárce,“ řekl Sasaki.

Třetí typ transplantace jater, dárcovství od žijícího dárce, zahrnuje odebrání části jater zdravého člověka k transplantaci – což je možné, protože játra se mohou regenerovat. Zatímco „je to krásný příběh“, řekl Sasaki o dárcovství žijících dárců, „žádná větší operace není pro zdravého dárce bez rizika.“

Existuje však výzva k dárcovství po oběhové smrti: čas.

Zatímco dárce umírá, krevní zásobení k orgánům v celém těle se může lišit a v některých případech se úplně zastavit, což vede k poškození jater. Játra obsahují síť trubic zvaných kanálky, které vytlačují žluč, tekutinu, která nám pomáhá trávit potravu, do žlučníku a střev.

Dlouhá doba mezi ukončením podpory života a smrtí dárce je spojena se špatnou funkcí vývodů a vážnými komplikacemi pro příjemce transplantátu. Pokud čas smrti dárce nastane více než 30 minut poté průtok krve začne klesat do tělesných orgánů, játra nemusí být užitečná pro transplantaci.

Přibližně polovina možných dárců zemře během prvních 30 minut po odstranění podpory života. Když smrt nastane později, mezi 30 a 60 minutami po ukončení podpory života, chirurgové pomocí svého úsudku určí, kteří dárci jsou nejlepší kandidáti, a to na základě vitálních funkcí dárce, krevní práce a neurologických informací, jako je zornice a dávicí reflex.

Přesto je třeba zrušit asi polovinu transplantací, protože smrt nastala příliš pozdě. Vědět, kam přidělit zdroje, jako jsou normotermická přístrojová perfuzní zařízení, může ušetřit peníze a zefektivnit pracovní zátěž transplantačních zdravotnických pracovníků, vysvětlil Sasaki.

Konkurenční algoritmy strojového učení

K predikci doby smrti model využívá řadu klinických informací od dárce včetně pohlaví, věku, indexu tělesné hmotnosti, krevního tlaku, srdeční frekvencedechová frekvence, výdej moči, výsledky krevních testů a kardiovaskulární zdravotní anamnéza.

Model také bere v úvahu nastavení ventilátoru, která indikují, jak velkou pomoc někdo potřebuje k dýchání, kromě neurologického hodnocení toho, jak je pacient při vědomí, stejně jako reflexy zornice, rohovky, kašel, dávení a motorické reflexy.

Výzkumný tým postavil mnoho algoritmy strojového učení proti sobě, abychom našli ten, který nejlépe předpověděl čas smrti pomocí stejných informací, které mají chirurgové k dispozici. Vítězný algoritmus byl přesnější než chirurgové a další dostupné počítačové nástroje při předpovídání, zda čas smrti dárce nastane v přijatelném časovém rámci pro úspěšnou transplantaci.

Model byl vyškolen a ověřen na více než 2 000 skutečných případech ze šesti transplantačních center v USA.

Model přesně předpovídá čas úmrtí dárce v 75 % případů, čímž předčí jak stávající nástroje, tak průměrný úsudek chirurgů, kteří přesně předpověděli čas smrti v 65 % případů. Poskytuje také přesné předpovědi pro případy, kdy v lékařském záznamu chybí informace.

Výzkumný tým navrhl model tak, aby byl přizpůsobitelný, aby mohl zvládnout různé preference chirurgů a nemocniční postupy. Model lze například nastavit tak, aby vypočítal dobu smrti od okamžiku, kdy je odstraněna podpora života, nebo od okamžiku, kdy začíná agonální dýchání, lapavé dýchání, ke kterému dochází, když tělo umírá.

Vědci také vyvinuli rozhraní přirozeného jazyka, podobné ChatGPT, které do modelu stahuje informace z lékařského záznamu dárce.

Minimalizace promarněných příležitostí

Někdy k úmrtí nečekaně dojde v časovém rámci, kdy jsou orgány vhodné k transplantaci, ale protože před smrtí dárce musí proběhnout přípravy, tyto případy nevedou k transplantaci. Míra těchto promarněných příležitostí byla pro model a úsudek chirurga podobná: obě byly těsně nad 15 %.

Protože umělá inteligence rychle postupuje, vědci očekávají, že přesnost modelu v předpovídání času smrti se zlepší a že zachytí více promarněných příležitostí.

„Nyní pracujeme na snížení míry promarněných příležitostí, protože je v nejlepším zájmu pacientů, aby je dostali ti, kteří potřebují transplantaci,“ řekl Sasaki.

„Pokračujeme ve zdokonalování modelu tím, že máme konkurenci mezi dostupnými algoritmy strojového učení a nedávno jsme našli algoritmus, který dosahuje stejné přesnosti při předpovídání času smrti, ale s mírou promarněné příležitosti asi 10%.“

Výzkumný tým také pracuje na variantách model pro použití při transplantacích srdce a plic.

K této studii přispěli výzkumníci z Mezinárodní univerzity zdraví a sociální péče, Lékařské fakulty Duke University, Cleveland Clinic, University of Rochester Medical Center, University of Florida College of Medicine, Virginia Commonwealth University Health, Columbia University Irving Medical Center a Transmedics, Inc.