דור חדש של כלים של בינה מלאכותית (AI) יכול לעזור להציל יותר חולים הזקוקים להשתלת לב על ידי ניצול טוב יותר של לבבות התורמים שמושלכים כעת, על פי מחקר שהציג היום בריאן ווידה, MD, במפגשים מדעיים 46 של החברה הבינלאומית להשתלות לב וריאות (ISHLT).
"יש מחסור עצום של תורמי לב בארה"ב, עם מטופלים שמחכים חודשים-אם לא יותר- להשתלה, לעתים קרובות על תמיכת חיים בטיפול נמרץ. אז ההימור גבוה מאוד", אמר ד"ר Wayda, עוזר פרופסור לרפואה בבית הספר לרפואה של NYU גרוסמן וקרדיולוג אי ספיקת לב והשתלות.
כלי בינה מלאכותית מציעים למנתחים סיוע בקבלת החלטות מורכבת
כלי בינה מלאכותית שפותחו לאחרונה נועדו לעזור לצוותי השתלות לקבל את ההחלטה המורכבת לקבל או לדחות לב תורם בצורה מונעת נתונים, עקבית ויעילה יותר. למרות המחסור בלבבות בארה"ב, רק כ-30%-40% מהלבבות שעושים זמינים משמשים בפועל להשתלה. מחקרים מראים שלא כל לבבות התורמים נזרקים בצדק.
כאשר לב הופך זמין, לקרדיולוג או מנתח יש בדרך כלל רק 15 עד 30 דקות לשקול גורמים רבים, כולל ההיסטוריה של התורם, הדמיה ובדיקות מעבדה, כדי לקבוע אם הלב מתאים למטופל ספציפי.
מדובר בשיחת שיפוט מורכבת ביותר שחייבת להיעשות בחלון זמן קצר מאוד, לעתים קרובות באמצע הלילה".
בריאן ווידה, עוזר פרופסור לרפואה, בית הספר לרפואה של ניו יורק גרוסמן
"AI יכול לתמוך בהחלטות אלה על חיים ומוות שהתקבלו תחת מגבלות זמן קיצוניות", אמר ד"ר ווידה.
כלי בינה מלאכותית לסנתז סיכון – מבלי להחליף רופאים
ד"ר Wayda הציג מספר מודלים של AI, כולל כלי חיזוי מבוסס אינטרנט שפיתח בשיתוף עם הנשיא הנבחר של ISHLT Kiran Khush, MD, קרדיולוג לאי ספיקת לב ב-Stanford Health Care. TOPHAT (Tool Predicting Heart Acceptance for Transplant) משתמש ב-20 מאפיינים של תורם כדי להעריך את ההסתברות שמרכז השתלות יקבל לב תורם, בהתבסס על נתונים היסטוריים. שימוש בכלי זה יכול להגביר את היעילות של תהליך התורם, ולהפחית את הסבירות שהלבבות לא יהיו בשימוש פשוט בגלל שנגמר הזמן לפני שנמצא התאמה של הנמען.
"הכלי לא אומר 'זה לב טוב' או 'זה לב רע'", הסביר ד"ר ווידה. "במקום זאת, זה מראה במהירות כיצד תורם משתווה לחוויה הלאומית. תורם מבוגר יותר, או אחד עם גורם סיכון בודד כמו שימוש בקוקאין, עשוי להיראות בסיכון גבוה במבט ראשון. אבל כשחושבים על כל המשתנים בבת אחת, התורם הזה לא יכול להיות מסוכן יותר מאשר לב טיפוסי שאנחנו כבר משתמשים בו".
המטרה של פיתוח בינה מלאכותית היא להבטיח שימוש בלבבות קיימא, ולא לזרוק אותם
כלי שני מספק קריאה בסיוע בינה מלאכותית של אקו לב, בדיקת מפתח לתפקוד הלב, כחוות דעת שנייה לרופאים.
"מדידת חלקי הפליטה מבדיקת אקו לב היא סובייקטיבית ידועה לשמצה", אמר ד"ר ווידה. "הראינו שקריאות מבוססות בינה מלאכותית יכולות להיות עקביות יותר ולהתאים טוב יותר לפרשנות מומחים."
ד"ר ווידה תיאר גם מטרה עתידית: דו"ח תמיכה בהחלטות מאוחד שיסנתז את התפוקות מ-TOPHAT, קריאות אקו לב בסיוע בינה מלאכותית, כלי בינה מלאכותית מתעוררים אחרים והרשומה הרפואית הרחבה יותר של התורמים לסיכום יחיד וקל לעיכול עבור רופאים המקבלים החלטות רגישות לזמן.
"עם סוג זה של השקפה משולבת, הרופאים יהיו בעלי סיכוי נמוך יותר לעגן את החלטתם על 'דגל אדום' יחיד – כמו גיל תורם מעל 50 – ולסרב לבבות שיכולים היו לתפקד היטב."
במהלך הרצאתו הדגיש ד"ר ווידה כי בינה מלאכותית היא כלי תומך החלטות, לא מקבל החלטות אוטונומי.
"הערך האמיתי של AI הוא לעזור לנו לסנתז כמות עצומה של נתונים במהירות ובאופן אובייקטיבי כדי שהקלינאים יוכלו לעשות בחירות מושכלות יותר", אמר.
אפילו לרווחים צנועים בניצול לב התורם עשויה להיות השפעה משמעותית על רשימת ההמתנה להשתלות, הכוללת כמעט 4,000 חולים.
"שיפור מצטבר של 500 לבבות נוספים יספיק כדי להפחית את זמן ההמתנה באופן משמעותי", אמר.
טכנולוגיה לבדה לא תתקן מדיניות ותמריצים
ד"ר Wayda גם טען שחידושי בינה מלאכותית חייבים להיות משולבים עם רפורמות במדיניות כדי לשנות את אופן הדירוג ותמריצים של מרכזים.
"אני חושב שיש פיתוי לחשוב שאנחנו יכולים 'בטכנולוגיה' לצאת מהבעיה הזו", אמר. "עלינו לעצב מחדש את מדיניות ההשתלות כדי ליישר קו עם המטרה של שימוש בעוד תורמים".
כדי שכלי AI ישפיעו בעולם האמיתי, ציין ד"ר Wayda, הם חייבים להיות מוטמעים גם בתשתית ההשתלות הלאומית הקיימת.
"אנחנו יכולים לבנות כלי אינטרנט יפים, אבל מנתח לא מתכוון להיכנס לאתר נפרד", אמר. "כדי להיות שימושי, בינה מלאכותית חייבת להיות משולבת בפלטפורמות האלקטרוניות הסטנדרטיות בחלק מצינור הנתונים הרגיל שאנו כבר משתמשים בו כדי לבדוק תורמים."
