Un team di ricercatori della Stanford University ha sviluppato un modello di machine learning in grado di prevedere se un donatore decederà entro i tempi necessari per preservare la qualità degli organi destinati al trapianto. Lo strumento, descritto su The Lancet Digital Health, affronta un problema particolarmente critico per la gestione delle risorse sanitarie. Nei trapianti di fegato da donatori dopo arresto cardiaco, circa la metà delle procedure viene cancellata perché il decesso non avviene entro i 45 minuti dalla sospensione del supporto vitale, rendendo l’organo inadatto.
L’algoritmo è stato addestrato sui dati di oltre 2.000 donatori provenienti da diversi centri statunitensi e analizza parametri neurologici, respiratori e circolatori per stimare la progressione verso il decesso. Nel corso dei test, il sistema ha ridotto del 60% le procedure avviate inutilmente (situazioni in cui le preparazioni chirurgiche iniziano ma l’organo risulta poi inutilizzabile) rispetto ai giudizi dei chirurghi. Un elemento rilevante è la capacità dello strumento di mantenere l’accuratezza anche con dati incompleti sul donatore.
Secondo i ricercatori, si tratta di un progresso significativo nel campo dei trapianti, che evidenzia il potenziale delle tecniche di AI avanzata. Un sistema affidabile basato sui dati potrebbe supportare il personale sanitario nel processo decisionale, migliorando l’utilizzo degli organi e riducendo sprechi di risorse ed energie. Il team prevede ora di estendere l’applicazione ai trapianti di cuore e polmoni.
Leggi l’articolo completo: New AI tool could cut wasted efforts to transplant organs by 60% su The Guardian
Immagine generata tramite DALL-E. Tutti i diritti sono riservati. Università di Torino (05/02/2025).
