כלי חדש מתקדם של בינה מלאכותית (AI), שפותח על ידי רופאי כליות ברחבי העולם, מהווה צעד משמעותי קדימה בחיזוי ושיפור פוטנציאלי של תוצאות עבור חולי השתלת כליה בבריטניה.
עבור מטופלים עם אי ספיקת כליות בשלב מאוחר, השתלת כליה יכולה לשנות חיים, להציע הבטחה להישרדות משופרת ואיכות חיים טובה יותר בהשוואה לאפשרויות טיפול אחרות. אבל בבריטניה לבדה, כ-5,000 אנשים נמצאים ברשימת ההמתנה להשתלת כליה, עם זמן המתנה ממוצע של 2-3 שנים לאיבר תורם שנפטר.
צוות מומחים מבתי חולים ברחבי ארה"ב ובריטניה יצר תוכנה חדשה, שבסופו של דבר תוכל לסלול את הדרך למדיניות מעודכנת של הקצאת כליות – שעלולה להוביל לתוצאות טובות יותר של המטופלים ולשימוש יעיל יותר במשאב היקר הזה.
הכלי, שכותרתו 'תחזית תוצאות השתלת הכליה של תורם מת בבריטניה' (UK-DTOP), משתמש בבינה מלאכותית מתקדמת. הוא פותח תוך שימוש בנתונים של כמעט 30,000 מקרי השתלה לאורך 15 שנים.
ד"ר חאתם עלי, מומחה לכליות בבתי החולים האוניברסיטאיים קובנטרי ו-Warwickshire NHS Trust, מוביל מחקר חדש לדיווח על יכולות הכלי בכתב העת הנבדק עמיתים אי ספיקת כליות.
הוא מסביר כיצד צוות המחקר שלו מאמין שהמודל "מבטיח להיות מחליף משחק בהשתלת כליה".
"בריטניה-DTOP מציעה תקווה להקצאת איברים יעילה יותר ותוצאות משופרות עבור חולים במצוקה", אומר ד"ר עלי.
"על ידי ניצול הכוח של AI ולמידת מכונה, יצרנו מערכת תומכת החלטות מדויקת ואמינה יותר, שיכולה להוביל לשיפור בחירת התורם, אסטרטגיות ההשתלה ובסופו של דבר, תוצאות טובות יותר עבור חולי השתלת כליה."
"כמחבר של מחקר זה, אני נלהב מההשפעות הפוטנציאליות של הכלי UK-DTOP על השתלת כליה. מודל זה המותאם בינה מלאכותית משפר את יכולות הניבוי שלנו ועוזר לחדד את הגישה שלנו להתאמת תורם-מקבל. על ידי שיפור האופן שבו אנו מקצים איברים, נוכל להבטיח תוצאות טובות יותר עבור מושתלים. אני מקווה שהכלי הזה יאומץ ברחבי העולם, ויוביל להתקדמות משמעותית בטיפול בחולים ולשימוש יעיל במשאבי בריאות קריטיים.
השתלת כליה טומנת בחובה סיכונים ועם הביקוש לאיברים עולה בהרבה על ההיצע, חיוני להבטיח שכל כליה שנתרמת תעשה שימוש בצורה היעילה ביותר.
עם זאת, מודלים חזויים קיימים, כמו מדד הסיכון לתרומת כליות בשימוש נרחב (KDRI), הראו מגבלות בחיזוי מדויק של תוצאות המטופל – והדגישו את הצורך הדחוף בכלים מתוחכמים יותר שיכולים להנחות טוב יותר קבלת החלטות קליניות.
תוך שימוש בנתונים מ-29,713 מקרי השתלות שתועדו ברישום ההשתלות בבריטניה (UKTR) בין השנים 2008 ו-2022, מונח המומחה העריך את הביצועים החזויים של שלוש טכניקות למידת מכונה מתקדמות, תוך התחשבות בגורמים שונים של תורם, נמען והשתלה. ה-UK-DTOP התגלה כמודל מעולה עם כוח חיזוי של 0.74, ביצועים טובים יותר מ-KDRI (0.57) ומקבילו בבריטניה, UK-KDRI (0.62).
"ה-UK-DTOP הוא כלי רב-תכליתי להערכת תוצאות השתלת כליה של תורם שנפטר. הוא מחדד את קבלת ההחלטות לפני ההשתלה תוך הכרה בכך שההחלטה הסופית לקבל איבר נתונה בידי המקבל ובסבילות הסיכון שלו", מוסיף המחבר ד"ר. מיקלוש מולנר, מהמחלקה לנפרולוגיה ויתר לחץ דם באוניברסיטת יוטה.
"הממצאים שלנו דוגלים במעבר לאימוץ של כלים מתקדמים, מונעי נתונים ברחבי מערכות בריאות ברחבי העולם, שעלולות לחולל מהפכה בהתאמת התורם למקבל ובהקצאת האיברים, לשפר את שיעורי הצלחת ההשתלות ולהציל חיים".
החוקרים השתמשו גם בטכניקות למידת מכונה ללא פיקוח כדי לזהות חמש קבוצות נפרדות של חולי השתלת כליה עם שיעורי הישרדות משתנים. בסופו של דבר, גישה זו יכולה לאפשר הערכות סיכונים מותאמות אישית יותר כדי לתת החלטות לגבי המשך ההשתלה או לא.
בעוד ש-UK-DTOP מייצג התקדמות משמעותית, הצוות גם מכיר במערכת תומכת החלטות זו מגבלות מסוימות שעלולות להשפיע על התחזיות שלה. אלה כוללים שונות בנתונים מדווחים, מידע חסר על כמה מאפיינים של תורם, והיעדר גורמים מסוימים שעשויים להשפיע על תוצאות ארוכות טווח, כגון נוגדנים ספציפיים וסמנים ביולוגיים מסוימים.
