ექიმებმა შეიმუშავეს AI ინსტრუმენტი, რომელსაც შეუძლია შეამციროს ორგანოების გადანერგვის მცდელობების ფუჭი ხარჯვა 60%-ით.
მსოფლიოს მასშტაბით ათასობით პაციენტი ელოდება პოტენციურად სიცოცხლის გადამრჩენ დონორს და უფრო მეტი კანდიდატია ჩარჩენილი ლოდინის სიებში, ვიდრე ხელმისაწვდომია ორგანოები.
ცოტა ხნის წინ, იმ შემთხვევებში, როდესაც ადამიანებს ღვიძლის გადანერგვა სჭირდებათ, ხელმისაწვდომობა გაფართოვდა დონორების გამოყენებით, რომლებიც კვდებიან გულის გაჩერების შემდეგ. თუმცა, ცირკულაციის სიკვდილის შემდეგ (DCD) შემთხვევების დაახლოებით ნახევარში, გადანერგვა საბოლოოდ უქმდება.
ეს იმიტომ ხდება, რომ სიცოცხლის მხარდაჭერის მოხსნისა და სიკვდილის დრო არ უნდა აღემატებოდეს 45 წუთს. თუ დონორი არ მოკვდება საჭირო დროში, რათა შენარჩუნდეს ორგანოს ხარისხი, ქირურგები ხშირად უარყოფენ ღვიძლს, რადგან იზრდება გართულებების რისკი მიმღებისთვის.
ახლა სტენფორდის უნივერსიტეტის ექიმებმა, მეცნიერებმა და მკვლევარებმა შეიმუშავეს მანქანური სწავლების მოდელი, რომელიც პროგნოზირებს, სავარაუდოდ, დონორი მოკვდება იმ ვადებში, რომლის დროსაც მათი ორგანოები სიცოცხლისუნარიანია ტრანსპლანტაციისთვის.
AI ინსტრუმენტმა აჯობა საუკეთესო ქირურგების განსჯას და შეამცირა ფუჭი მოპოვების მაჩვენებელი - რაც ხდება მაშინ, როდესაც ტრანსპლანტაციისთვის მზადება დაწყებულია, მაგრამ დონორი ძალიან გვიან კვდება - 60%-ით.
"იმის დადგენით, თუ როდის არის ორგანო სავარაუდოდ გამოსადეგი, სანამ ქირურგიული მომზადებისთვის რაიმე მზადება დაიწყება, ამ მოდელს შეუძლია ტრანსპლანტაციის პროცესი უფრო ეფექტური გახადოს", - თქვა დოქტორმა კაზუნარი სასაკიმ, მუცლის ტრანსპლანტაციის კლინიკურმა პროფესორმა და კვლევის უფროსმა ავტორმა.
"მას ასევე აქვს პოტენციალი, რომ მისცეს მეტი კანდიდატი, რომლებსაც სჭირდებათ ორგანოს გადანერგვა."
აღმოჩენის დეტალები გამოქვეყნდა Lancet Digital Health-ის ჟურნალში.
წინსვლამ შეიძლება შეამციროს იმ შემთხვევების რაოდენობა, როდესაც ჯანდაცვის მუშაკები ამზადებენ ორგანოებს აღდგენისთვის, მხოლოდ იმის დასადგენად, რომ ისინი არ არის გამოსადეგი აღდგენისა და ტრანსპლანტაციისთვის, რაც ფინანსურ და ოპერაციულ სტრესს აყენებს ტრანსპლანტაციის ცენტრებს.
საავადმყოფოები ძირითადად ეყრდნობიან ქირურგების განსჯას ამ კრიტიკული ვადების შესაფასებლად, რაც შეიძლება მნიშვნელოვნად განსხვავდებოდეს და გამოიწვიოს არასაჭირო ხარჯები და დაკარგული რესურსები.
ახალი AI ინსტრუმენტი გაწვრთნილი იყო აშშ-ს რამდენიმე ტრანსპლანტაციის ცენტრში 2000-ზე მეტი დონორის მონაცემებზე. ის იყენებს ნევროლოგიურ, რესპირატორულ და ცირკულაციურ მონაცემებს პოტენციური დონორის სიკვდილისკენ პროგრესის პროგნოზირებისთვის უფრო მეტი სიზუსტით, ვიდრე წინა მოდელები და ადამიანური ექსპერტები.
მოდელი შემოწმდა რეტროსპექტიულად და პერსპექტიულად, მიაღწია 60%-იან შემცირებას ფუჭი მოპოვებაში ქირურგების პროგნოზებთან შედარებით. რაც მთავარია, ის ინარჩუნებს სიზუსტეს მაშინაც კი, როდესაც დონორის ზოგიერთი ინფორმაცია აკლია, განაცხადეს მკვლევარებმა.
სანდო, მონაცემებზე ორიენტირებული ინსტრუმენტი შეიძლება დაეხმაროს ჯანდაცვის პერსონალს უკეთესი გადაწყვეტილებების მიღებაში, ორგანოების გამოყენების ოპტიმიზაციაში და ფუჭი მცდელობებისა და ხარჯების შემცირებაში.
კვლევის ჯგუფმა ხაზი გაუსვა "AI მოწინავე ტექნიკის პოტენციალს DCD დონორებისგან ორგანოების გამოყენების ოპტიმიზაციისთვის".
შემდეგ, ისინი გეგმავენ შეცვალონ AI ინსტრუმენტი, რათა გამოსცადონ იგი გულისა და ფილტვის ტრანსპლანტაციებთან ერთად.
