Ученые и врачи разработали новый инструмент на базе искусственного интеллекта, который способен сократить число безрезультатных попыток забора органов для трансплантации на 60%. Это открытие может серьезно повысить эффективность распределения донорских органов и уменьшить число потерянных возможностей для спасения пациентов. Об этом сообщает The Guardian.

В последние годы врачи расширили доступ к пересадке печени за счет органов от доноров, умерших после остановки сердца — так называемых доноров после циркуляторной смерти. Однако примерно в половине таких случаев пересадка в итоге отменяется. Причина в том, что после отключения пациента от аппаратов жизнеобеспечения смерть должна наступить не позднее чем через 45 минут. Это временное окно критически важно: если смерть наступает позже, качество печени резко падает, и риск тяжелых осложнений у реципиента делает орган непригодным для трансплантации.

Теперь исследователи из Стэнфордского университета создали модель машинного обучения, которая прогнозирует, успеет ли потенциальный донор умереть в пределах допустимого временного промежутка, необходимого для сохранения жизнеспособности органов.

Новая система показала лучшие результаты, чем ведущие трансплантационные хирурги, и позволила сократить число так называемых «бесполезных заборов» органов — когда подготовка к операции уже начата, но смерть наступает слишком поздно — на 60%.

«Если мы заранее знаем, что орган с высокой вероятностью будет подходящим, можно сделать процесс трансплантации намного более эффективным. У инструмента есть потенциал увеличить число пациентов, которые смогут получить нужный орган», — объясняет доктор Кадзунари Сасаки, клинический профессор абдоминальной трансплантологии и старший автор исследования.

Сегодня больницы в основном опираются на клиническое чутье хирургов, чтобы оценить, наступит ли смерть достаточно быстро. Такая оценка сильно варьирует и часто приводит к напрасной трате ресурсов, когда донорский орган готовят к изъятию, но позже выясняется, что он непригоден.

Новая ИИ-модель была обучена на данных более 2 тысяч доноров из нескольких трансплантационных центров США. В алгоритм включены параметры работы нервной системы, дыхания и кровообращения, что позволяет прогнозировать наступление смерти значительно точнее, чем существующие методы и экспертное мнение. Модель протестировали как ретроспективно, так и в реальном времени, и она продемонстрировала устойчивую точность даже при отсутствии части данных.

По словам исследователей, надежный инструмент на основе данных может существенно повысить эффективность использования донорских органов, снизить число отмененных пересадок, а также уменьшить финансовую и операционную нагрузку на центры трансплантации. В дальнейшем команда планирует адаптировать алгоритм для прогнозов при пересадке сердца и легких.

Freshystock / Shutterstock / Fotodom