ИИ помогает точнее оценивать пригодность донорских органов для пересадки

Исследователи Stanford Medicine разработали модель машинного обучения, которая прогнозирует, наступит ли смерть донора после отключения жизнеобеспечения в пределах временного окна, когда печень остается пригодной для пересадки. По данным исследования, опубликованного в Lancet Digital Health, алгоритм оказался точнее врачебных оценок и позволил снизить число отмененных трансплантаций на 60%.

Проблема актуальна для доноров после прекращения жизнеобеспечения, когда между отключением аппаратов и смертью не должно пройти более 30–45 минут. Более поздняя смерть повышает риск осложнений у реципиента, и орган часто отклоняют. Алгоритм анализирует широкий набор данных — возраст и ИМТ, показатели жизнедеятельности, лабораторные результаты, состояние рефлексов и параметры вентиляции — чтобы предсказать вероятность наступления смерти в нужный период.

Модель обучили на более чем 2 тысячах клинических случаев из шести трансплантационных центров США. Ее точность составила 75%, что выше среднего уровня врачебных оценок (65%). Алгоритм корректно работает даже при неполных данных и может настраиваться под требования разных клиник.

Авторы отмечают, что ИИ помогает избежать ненужной подготовки к операциям и эффективнее распределять ресурсы, в том числе аппараты для перфузии органов. Отдельная задача — снизить число «упущенных возможностей», когда смерть наступает вовремя, но трансплантацию не успевают подготовить. В перспективе модель планируют адаптировать для пересадки сердца и легких.