Läkare har utvecklat ett AI-verktyg som kan minska bortkastade försök att transplantera organ med 60 procent. Över hela världen väntar tusentals patienter på en potentiellt livräddande donation, och antalet som står i kö är betydligt större än tillgången på organ.
Tillgången till levertransplantationer har på senare tid breddats genom att även använda donatorer som avlider efter hjärtstillestånd. I ungefär hälften av dessa donationer, där döden inträffar efter att cirkulationen upphört, avbryts transplantationen eftersom det inte går att genomföra ingreppet i tid. Tidsgränsen är avgörande. Från det att livsuppehållande behandling avslutas får det inte gå mer än 45 minuter innan donatorn avlider. Om döden inträffar senare riskerar organets kvalitet att försämras, vilket gör att kirurger ofta tackar nej av hänsyn till mottagarens säkerhet.
Forskare, läkare och tekniker vid Stanford University har nu tagit fram en maskininlärningsmodell som förutser om en donator sannolikt kommer att avlida inom den tidsram då organet fortfarande är möjligt att transplantera. I tester presterade AI-verktyget bättre än bedömningarna från erfarna kirurger och minskade antalet fruktlösa förberedelser med 60 procent. Sådana situationer uppstår när processen för att ta hand om organ redan påbörjats men donatorn dör för sent för att organet ska kunna användas.
Verktyg
Forskargruppen beskriver hur ett verktyg som kan förutse organens användbarhet innan någon kirurgisk förberedelse ens har startat skulle kunna göra transplantationsprocessen mer effektiv. Det kan också innebära att fler patienter som behöver ett organ faktiskt får ett. Resultaten har publicerats i tidskriften Lancet Digital Health.
Framsteget kan minska antalet tillfällen då vårdpersonal förbereder organ för uttag, bara för att senare konstatera att de inte går att använda. Det innebär både ekonomiska och praktiska påfrestningar för transplantationscentra. I dag förlitar sig sjukhusen främst på kirurgers bedömningar för att uppskatta denna kritiska tidsram, och den kan variera kraftigt. Det leder till onödiga kostnader och ett slöseri med resurser.
Det nya verktyget tränades på data från över två tusen donatorer vid flera amerikanska transplantationscentra och använder neurologiska, respiratoriska och cirkulatoriska värden för att förutsäga hur snabbt en donator närmar sig döden. Modellen visade högre noggrannhet än både tidigare tekniker och mänskliga experter. Den visade sig dessutom vara pålitlig även när viss information om donatorn saknades.
Datadrivet
Ett tillförlitligt och datadrivet beslutstöd skulle kunna hjälpa vårdpersonal att fatta bättre beslut, optimera användningen av organ och minska bortkastade förberedelser och kostnader. Forskarna ser detta som ett betydande steg framåt för transplantationsområdet och pekar på hur avancerade AI-metoder kan förändra arbetet med organ från donatorer som avlider efter cirkulationsstillestånd. Nästa steg är att anpassa modellen för att pröva den även vid hjärt- och lungtransplantationer.
Källa: The Guardian
