Liver nakillerinde, dolaşımın durmasından sonra (DCD) yapılan bağışlarda kritik bir eşik bulunuyor: Donörün yaşam desteğinin kaldırılmasından sonra ölümün 45 dakika içinde gerçekleşmesi gerekiyor.
Bu süre aşıldığında organın zarar görme riski arttığı için nakil çoğu zaman iptal ediliyor. Bu durum, hazırlıkların başlamasına rağmen organın kullanılamaması anlamına gelen “futile procurement” olarak tanımlanıyor ve DCD bağışlarında yaklaşık her iki vakadan birinde yaşanıyor.
Stanford’lı doktor ve araştırmacılar tarafından geliştirilen makine öğrenimi modeli, donörün bu 45 dakikalık kritik süre içinde ölme ihtimalini yüksek doğrulukla tahmin ediyor. Model, üst düzey cerrahların kararlarından daha iyi performans gösterdi ve başarısız nakil hazırlıklarını yüzde 60 oranında azalttı.
Çalışmanın kıdemli yazarı olan Karın Nakli Klinik Profesörü Dr. Kazunari Sasaki, “Bir organın cerrahi hazırlıklar başlamadan önce kullanıma uygun olup olmadığını belirleyebilmek, nakil sürecini çok daha verimli hale getirebilir,” dedi. Sasaki ayrıca bu teknolojinin daha fazla hastanın nakil şansı elde etmesini sağlayabileceğini vurguladı.
Araştırmanın sonuçları Lancet Digital Health dergisinde yayımlandı.
Yeni model, ABD’deki çeşitli nakil merkezlerinden toplanan 2 binden fazla donöre ait verilerle eğitildi. Donörlerin nörolojik, solunumsal ve dolaşımsal verilerini analiz ederek ölüm sürecine ilişkin öngörüler sunuyor ve eksik bilgi olduğunda bile yüksek doğruluk oranını koruyor.
Sistemin kullanılabilir hâle gelmesi durumunda, hastanelerin pahalı ve zaman alıcı nakil hazırlıklarına gereksiz yere başlaması önlenebilecek. Bu da hem operasyonel yükü hem de maliyetleri azaltacak.
Çalışma ekibi, bu yaklaşımın DCD bağışçılarını daha etkin değerlendirmek için önemli bir adım olduğunu belirterek yapay zekânın organ kullanımını optimize etme potansiyeline dikkat çekti. Araştırmacılar şimdi aracın kalp ve akciğer nakillerinde de denenmesi için yeni modeller geliştirmeyi planlıyor.