Investigadores españoles han creado una herramienta de inteligencia artificial para determinar el mejor receptor para cada órgano donado. La iniciativa --Proyecto MADRE-- se presenta en Valencia durante el XVII Congreso Anual de la Sociedad Internacional de Trasplante Hepático (ILTS).
El objetivo es "maximizar" las posibilidades de éxito de los trasplantes, "en un contexto de escasez de donantes y búsqueda de nuevas modalidades para evitar el mayor número de muertes en lista de espera", según han informado los promotores del proyecto en un comunicado. El sistema de redes neuronales desarrollado predice la evolución del órgano trasplantado a tres meses "con más fiabilidad" que los métodos que emplean estadística convencional.
El Fórum Hepático, compuesto por cirujanos y hepatólogos de 11 Unidades de Trasplante Hepático de toda España, ha creado esta herramiento, en el proyecto MADRE (Modelo de Asignación de Donante Receptor Español) que, por primera vez, aplica en el campo del trasplante hepático el sistema de aprendizaje y procesamiento automático de información que son las redes neuronales artificiales.
Este estudio, que ha sido coordinado por la Unidad de Trasplante del Hospital Reina Sofía junto con el área de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Córdoba y la colaboración de Astellas Pharma, se ha presentado este jueves en el marco del XVII Congreso Anual de la Sociedad Internacional de Trasplante Hepático (ILTS), que se celebra en Valencia hasta el sábado.
Javier Briceño, jefe de la sección de cirugía general, miembro de la unidad de trasplante del Hospital Reina Sofía de Córdoba y coordinador del Proyecto Madre, ha explicado que en la actualidad, "aunque existen modelos diferentes que nos permiten calcular el riesgo con un determinado donante, y por otro lado, la probabilidad de morir en lista de espera, no existe un sistema global que calcule ambos eventos" y se desconoce "qué donante es el qué va a funcionar con mayor éxito entre los pacientes que esperan en la lista".
Por ello, el objetivo fue establecer un sistema capaz de asignar objetivamente un donante para aquel receptor en el que el órgano trasplantado funcione "con más probabilidades de éxito, sin olvidar la gravedad de dicho receptor en la lista de espera, combinando los principios de justicia, eficacia y eficiencia".
Para ello, se dispuso de una base de datos de 1.003 trasplantes realizados durante los años 2007-2008 en las 11 unidades de trasplante hepático participantes: Andalucía (dos), Madrid (tres), Extremadura (una), Valencia (una), País Vasco (una), Galicia (dos) y Cataluña (una).
Para la fase de aprendizaje del sistema de redes neuronales, se recopilaron 23 variables por cada donante y 34 por cada receptor. El 'end point' fijado para el cálculo de riesgo donante y mortalidad en lista de espera fue la supervivencia o no del hígado trasplantado durante los tres meses siguientes a su implante.
"Por cada par donante-receptor, se calcularon dos probabilidades: la probabilidad de supervivencia del injerto y la probabilidad de pérdida. Y para ello se establecieron dos modelos de redes neuronales, un modelo de aceptación y un modelo de rechazo, respectivamente", ha especificado el doctor Briceño. El modelo de aceptación mostró una capacidad de predicción de supervivencia del 88 por ciento y el modelo de rechazo mostró una capacidad de predicción de pérdida del injerto del 66 por ciento.
Los resultados obtenidos se compararon además con dos modelos de regresión logística y tres clasificadores inteligentes, que son modelos estándares de análisis. La capacidad de predicción de estos últimos en supervivencia del injerto alcanzó el 85 por ciento, sin embargo la predicción de no supervivencia fue del 3,4 por ciento.
"Es decir, los modelos estándar clasifican muy bien a los pares donante-receptor que sobreviven, pero son prácticamente incapaces de clasificar los pares que no sobreviven y que son, por ende, los que más nos interesan", ha indicado.
Los sistemas de redes neuronales se utilizan actualmente en la predicción de catástrofes, en el campo de la meteorología, la estrategia militar y microbiología cuantitativa, entre otros, según el profesor César Hervás, catedrático de la Universidad de Córdoba en el área de Ciencias de la Computación e Inteligencia Artificial, que ha participado en el desarrollo de este sistema. "Ahora se está aplicando en el campo de la Medicina, y en concreto, en el del trasplante de órganos", ha añadido.
Este sistema imita las propiedades de los sistemas neuronales biológicos, que son recreados a través de potentes modelos matemáticos desarrollados mediante mecanismos artificiales que, a partir de una información no estructurada suministrada en forma de ejemplos, es capaz de aprender y de generalizar comportamientos, proporcionando soluciones.
"Tras la recogida y procesamiento de la información, se diseñaron los modelos de redes neuronales. Para ello, probamos cientos de miles de modelos, utilizando algoritmos evolutivos como métodos de búsqueda de los mejores modelos", ha apuntado Hervás. "Una vez obtenidos los mejores se diseñó un sistema basado en reglas y ejecutado mediante un software para decidir a qué receptor de entre los cinco que estaban en cabeza de la lista de espera se le asignaba el hígado del donante de forma tal que se maximizara la probabilidad de supervivencia y se minimizara la probabilidad de no supervivencia", ha recalcado.
Según Manuel de la Mata, director de la Unidad de Gestión Clínica de Aparato Digestivo del Hospital Universitario Reina Sofía de Córdoba y coordinador científico del Fórum Hepático, en la mayoría de las unidades de trasplante hepático de España, la asignación de los donantes se realiza según criterios de gravedad" pero "no hay un modelo uniforme para toda España".
El próximo objetivo que se ha planteado el Fórum Hepático es comprobar la validez del modelo de redes neuronales desarrollado en España mediante la utilización de bases de datos de trasplantes en Europa.
No hay comentarios:
Publicar un comentario