Модель машинного обучения, разработанная учёными Стэнфордского университета, может существенно улучшить процесс трансплантации печени и снизить связанные с этим расходы.
Количество людей, ожидающих трансплантации печени, превышает количество доступных органов. В настоящее время растущая часть донорских органов поступает через донорство после циркуляторной смерти (Donation After Circulatory Death, DCD).
При таком типе донорства время между отключением жизнеобеспечения и смертью донора не должно превышать 30–45 минут, чтобы предотвратить повреждение печени и минимизировать риск осложнений для реципиента. В таких случаях желчные протоки печени могут быть повреждены, что представляет серьёзный риск осложнений для получателя, из-за чего хирурги часто отказываются использовать такой орган.
Проблема заключается в том, что в таких случаях как минимум половина процедур трансплантации отменяется, так как органы уже не пригодны для пересадки. Это может привести к напрасной трате ресурсов, например, дорогостоящего оборудования для нормотермического машинного перфузирования.
Учёные Стэнфорда создали модель машинного обучения, которая прогнозирует, произойдёт ли смерть донора в пределах времени, когда его органы ещё пригодны для трансплантации.
Модель использует клиническую информацию донора: пол, возраст, вес, жизненные показатели (артериальное давление, пульс), результаты анализов крови и другие жизненно важные параметры.
Использование модели снизило количество неудачных заборов печени (когда хирургическая подготовка уже начата, но печень оказывается непригодной) на 60%.
Модель предсказывает время смерти на 75% точнее, чем хирурги.
В конечном итоге эта модель искусственного интеллекта позволяет точно определить, какой орган будет пригоден для трансплантации, ещё до начала хирургической подготовки.
