Artsen hebben een hulpmiddel voor kunstmatige intelligentie ontwikkeld dat de verspilde inspanningen om organen te transplanteren met 60% zou kunnen verminderen.
Duizenden patiënten over de hele wereld wachten op een potentieel levensreddende donor, en er staan meer kandidaten op wachtlijsten dan beschikbare organen.
Onlangs is de toegang uitgebreid in gevallen waarin mensen een levertransplantatie nodig hebben door gebruik te maken van donoren die overlijden na een hartstilstand. Bij ongeveer de helft van deze donaties na gevallen van circulatoire sterfte (DCD) wordt de transplantatie echter geannuleerd.
Dit komt omdat de tijd tussen het verwijderen van de levensondersteuning en het overlijden niet langer mag zijn dan 45 minuten. Als de donor niet binnen de tijd overlijdt die nodig is om de kwaliteit van het orgaan te behouden, wijzen chirurgen de lever vaak af vanwege het verhoogde risico op complicaties voor de ontvanger.
Nu hebben artsen, wetenschappers en onderzoekers van Stanford University een machine learning-model ontwikkeld dat de waarschijnlijkheid voorspelt dat een donor zal overlijden binnen de periode waarin zijn of haar organen bruikbaar zijn voor transplantatie.
De AI-tool overtrof het oordeel van topchirurgen en verminderde het aantal nutteloze aanbestedingen met 60%, wat gebeurt wanneer de voorbereidingen voor de transplantatie zijn begonnen maar de donor te laat overlijdt.
“Door te identificeren wanneer een orgaan waarschijnlijk nuttig zal zijn voordat de voorbereidingen voor een operatie beginnen, zou dit model het transplantatieproces efficiënter kunnen maken”, zegt Dr. Kazunari Sasaki, klinisch professor in buiktransplantatie en senior auteur van het onderzoek.
“Het heeft ook het potentieel om meer kandidaten die een orgaantransplantatie nodig hebben, er een te laten krijgen.”
De details van de doorbraak waren gepubliceerd in het tijdschrift Lancet Digital Health.
De vooruitgang zou het aantal gevallen kunnen verminderen waarin gezondheidswerkers organen voorbereiden op herstel, om vervolgens vast te stellen dat ze ongeschikt zijn voor herstel en transplantatie, waardoor de transplantatiecentra onder druk komen te staan.
Ziekenhuizen vertrouwen primair op het oordeel van chirurgen om dit kritieke tijdsbestek in te schatten, dat sterk kan variëren en tot onnodige kosten en verspilde middelen kan leiden.
De nieuwe AI-tool is getraind op basis van gegevens van meer dan 2.000 donoren in verschillende Amerikaanse transplantatiecentra. Het maakt gebruik van neurologische, ademhalings- en bloedsomloopgegevens om de voortgang van een potentiële donor tot de dood nauwkeuriger te voorspellen dan eerdere modellen en menselijke experts.
na de promotie van de nieuwsbrief
Het model werd retrospectief en prospectief getest, wat resulteerde in een vermindering van 60% in verspillende aankopen vergeleken met de voorspellingen van chirurgen. Belangrijk is dat het de nauwkeurigheid behoudt, zelfs als bepaalde donorinformatie ontbreekt, aldus de onderzoekers.
Een betrouwbare, datagestuurde tool zou gezondheidswerkers kunnen helpen betere beslissingen te nemen, het orgaangebruik te optimaliseren en onnodige inspanningen en kosten te verminderen.
De aanpak zou een belangrijke doorbraak kunnen betekenen op het gebied van transplantatie, aldus het onderzoeksteam, waarbij “het potentieel van geavanceerde kunstmatige intelligentietechnieken om het gebruik van organen van DCD-donoren te optimaliseren” wordt benadrukt.
Vervolgens zijn ze van plan de AI-tool te variëren om deze te testen met hart- en longtransplantaties.
