एआई भविष्यवाणी करता है कि दाता लिवर कब व्यवहार्य होगा, संभावित रूप से रद्द किए गए प्रत्यारोपणों में 60% की कमी आएगी

लीवर प्रत्यारोपण के लिए प्रतीक्षा सूची में उपलब्ध अंगों की तुलना में अधिक उम्मीदवार हैं, फिर भी लगभग आधे मामलों में एक दाता के साथ मैच पाया जाता है, जो जीवन समर्थन हटाने के बाद कार्डियक अरेस्ट के बाद मर जाता है, प्रत्यारोपण रद्द कर दिया जाना चाहिए।

इस प्रकार के अंग दान के लिए, जिसे संचार मृत्यु के बाद दान कहा जाता है, जीवन समर्थन हटाने और मृत्यु के बीच का समय 30 से 45 मिनट से अधिक नहीं होना चाहिए, अन्यथा प्राप्तकर्ता के लिए जटिलताओं के बढ़ते जोखिम के कारण सर्जन अक्सर यकृत को अस्वीकार कर देंगे।

अब, स्टैनफोर्ड मेडिसिन के शोधकर्ताओं ने एक मशीन लर्निंग-आधारित मॉडल विकसित किया है जो भविष्यवाणी करता है कि क्या किसी दाता की उस समय सीमा के भीतर मरने की संभावना है जिसके दौरान उनके अंग प्रत्यारोपण के लिए व्यवहार्य हैं। मॉडल ने सर्जन के फैसले से बेहतर प्रदर्शन किया और निरर्थक खरीद की दर को कम कर दिया – जो तब होता है जब प्रत्यारोपण की तैयारी शुरू हो गई है लेकिन मृत्यु बहुत देर से होती है – 60% तक।

पेट प्रत्यारोपण के नैदानिक ​​​​प्रोफेसर और अध्ययन के वरिष्ठ लेखक एमडी, कज़ुनारी सासाकी ने कहा, “सर्जरी की तैयारी शुरू होने से पहले यह पहचानकर कि किसी अंग के उपयोगी होने की संभावना कब है, यह मॉडल प्रत्यारोपण प्रक्रिया को और अधिक कुशल बना सकता है।” “इसमें उन अधिक उम्मीदवारों को अनुमति देने की भी क्षमता है जिन्हें अंग प्रत्यारोपण की आवश्यकता है।”

काम में प्रकाशित किया गया है लैंसेट डिजिटल स्वास्थ्य. अध्ययन के मुख्य लेखक क्योटो विश्वविद्यालय के रिंटारो यानागावा हैं।

लीवर दान को और अधिक कुशल बनाना

अंतिम चरण के जिगर की बीमारी वाले लोगों के लिए, जिसमें अंग को गंभीर और अपरिवर्तनीय क्षति होती है, सबसे अच्छा उपचार विकल्प प्रत्यारोपण है।

जिन लोगों को लीवर की आवश्यकता होती है उनकी संख्या दाताओं की संख्या से अधिक है, लेकिन यह अंतर उन उपकरणों के कारण कम होने लगा है जो नॉर्मोथर्मिक मशीन परफ्यूजन करते हैं, एक ऐसी तकनीक जो अंगों को आदर्श तापमान पर रखती है और दाता से प्राप्तकर्ता तक यात्रा करते समय ऑक्सीजन की आपूर्ति करती है। इन उपकरणों ने परिसंचरण मृत्यु के बाद दान से प्राप्त अंगों को प्रत्यारोपण के लिए उपयोग करना संभव बना दिया है।

जबकि अधिकांश यकृत दान मस्तिष्क मृत्यु से पीड़ित दाताओं से आते हैं, परिसंचरण मृत्यु के बाद दान की संख्या बढ़ रही है।

सासाकी ने कहा, “परिसंचारिक मृत्यु के बाद दान के कारण यकृत प्रत्यारोपण की संख्या बढ़ती जा रही है, और प्रतीक्षा सूची छोटी होती जा रही है। भविष्य में, यह उन सभी के लिए संभव हो सकता है जिन्हें यकृत प्रत्यारोपण की आवश्यकता है, वह मृत दाता से प्राप्त कर सकते हैं।”

तीसरे प्रकार के यकृत प्रत्यारोपण, जीवित दान, में प्रत्यारोपण के लिए एक स्वस्थ व्यक्ति के यकृत का हिस्सा निकालना शामिल है – जो संभव है क्योंकि यकृत पुनर्जीवित हो सकता है। जबकि “यह एक सुंदर कहानी है,” सासाकी ने जीवित दान के बारे में कहा, “कोई भी बड़ी सर्जरी स्वस्थ दाता के लिए जोखिम के बिना नहीं है।”

हालाँकि, परिसंचरण मृत्यु के बाद दान करने में एक चुनौती है: समय।

जब दाता मर रहा होता है, तो पूरे शरीर में अंगों को रक्त की आपूर्ति अलग-अलग हो सकती है और, कुछ मामलों में, पूरी तरह से बंद हो जाती है, जिससे यकृत क्षति हो सकती है। लीवर में नलिकाओं का एक नेटवर्क होता है जिसे नलिकाएं कहा जाता है जो पित्त को निचोड़ता है, एक तरल पदार्थ जो भोजन को पचाने में हमारी मदद करता है, पित्ताशय और आंतों तक।

जीवन समर्थन की समाप्ति और दाता की मृत्यु के समय के बीच का लंबा समय खराब नलिकाओं और प्रत्यारोपण प्राप्तकर्ताओं के लिए गंभीर जटिलताओं से जुड़ा होता है। यदि शरीर के अंगों में रक्त का प्रवाह कम होने के बाद दाता की मृत्यु का समय 30 मिनट से अधिक हो जाता है, तो यकृत प्रत्यारोपण के लिए उपयोगी नहीं हो सकता है।

जीवन समर्थन हटाए जाने के बाद पहले 30 मिनट के भीतर संभावित दाताओं में से लगभग आधे की मृत्यु हो जाती है। जब मृत्यु बाद में होती है, जीवन समर्थन समाप्त होने के 30 से 60 मिनट के बीच, तो सर्जन दाता के महत्वपूर्ण संकेतों, रक्त कार्य और पुतली और गैग रिफ्लेक्स जैसी न्यूरोलॉजिकल जानकारी पर विचार करके यह निर्धारित करने के लिए अपने निर्णय का उपयोग करते हैं कि कौन से दाता सबसे अच्छे उम्मीदवार हैं।

फिर भी, लगभग आधे प्रत्यारोपण रद्द करने पड़ते हैं क्योंकि मृत्यु बहुत देर से होती है। सासाकी ने बताया कि यह जानने से कि संसाधनों को कहां आवंटित किया जाए, जैसे कि नॉर्मोथर्मिक मशीन परफ्यूजन डिवाइस, पैसे बचा सकते हैं और प्रत्यारोपण स्वास्थ्य देखभाल श्रमिकों के काम के बोझ को सुव्यवस्थित कर सकते हैं।

प्रतिस्पर्धी मशीन-लर्निंग एल्गोरिदम

मृत्यु के समय की भविष्यवाणी करने के लिए, मॉडल लिंग, आयु, बॉडी मास इंडेक्स, रक्तचाप, हृदय गति, श्वसन दर, मूत्र उत्पादन, रक्त कार्य परीक्षण के परिणाम और हृदय स्वास्थ्य इतिहास सहित दाता से नैदानिक ​​​​जानकारी की एक श्रृंखला का उपयोग करता है।

मॉडल वेंटिलेटर सेटिंग्स पर भी विचार करता है, जो इंगित करता है कि किसी को सांस लेने में कितनी मदद की ज़रूरत है, इसके अलावा न्यूरोलॉजिकल आकलन के अलावा रोगी कितना सचेत है, साथ ही पुतली, कॉर्नियल, खांसी, गैग और मोटर रिफ्लेक्सिस भी।

अनुसंधान टीम ने सर्जनों के लिए उपलब्ध समान जानकारी का उपयोग करके मृत्यु के समय की सबसे अच्छी भविष्यवाणी करने वाले को खोजने के लिए कई मशीन-लर्निंग एल्गोरिदम को एक-दूसरे के खिलाफ खड़ा किया। विजेता एल्गोरिदम सर्जनों और अन्य उपलब्ध कम्प्यूटरीकृत उपकरणों की तुलना में यह अनुमान लगाने में अधिक सटीक था कि दाता की मृत्यु का समय एक सफल प्रत्यारोपण के लिए स्वीकार्य समय सीमा के भीतर होगा या नहीं।

मॉडल को छह अमेरिकी प्रत्यारोपण केंद्रों से 2,000 से अधिक वास्तविक दुनिया के मामलों पर प्रशिक्षित और मान्य किया गया था।

यह मॉडल 75% मामलों में दाता की मृत्यु के समय की सटीक भविष्यवाणी करता है, मौजूदा उपकरणों और सर्जनों के औसत निर्णय दोनों से बेहतर प्रदर्शन करता है, जिन्होंने 65% मामलों में मृत्यु के समय की सटीक भविष्यवाणी की है। यह मेडिकल रिकॉर्ड से गायब जानकारी वाले मामलों के लिए भी सटीक भविष्यवाणी करता है।

अनुसंधान टीम ने मॉडल को अनुकूलन योग्य बनाने के लिए डिज़ाइन किया है ताकि यह विभिन्न सर्जन प्राथमिकताओं और अस्पताल प्रक्रियाओं को संभाल सके। उदाहरण के लिए, मॉडल को मृत्यु के समय की गणना करने के लिए सेट किया जा सकता है जब जीवन समर्थन हटा दिया जाता है या जब एगोनल ब्रीदिंग शुरू होती है, एक हांफने वाला श्वास पैटर्न जो तब होता है जब शरीर मर रहा होता है।

शोधकर्ताओं ने चैटजीपीटी के समान एक प्राकृतिक भाषा इंटरफ़ेस भी विकसित किया है, जो दाता मेडिकल रिकॉर्ड से जानकारी को मॉडल में खींचता है।

छूटे हुए अवसरों को कम करना

कभी-कभी मृत्यु अप्रत्याशित रूप से उस समय सीमा के भीतर हो जाती है जब अंग प्रत्यारोपण के लिए उपयुक्त होते हैं, लेकिन क्योंकि दाता के मरने से पहले तैयारी चल रही होती है, ऐसे मामलों में प्रत्यारोपण नहीं होता है। इन छूटे अवसरों की दर मॉडल और सर्जन निर्णय के लिए समान थी: दोनों ही 15% से अधिक थे।

क्योंकि कृत्रिम बुद्धिमत्ता तेजी से आगे बढ़ रही है, शोधकर्ताओं को उम्मीद है कि मृत्यु के समय की भविष्यवाणी करने में मॉडल की सटीकता में सुधार होगा और यह अधिक छूटे हुए अवसरों को पकड़ लेगा।

सासाकी ने कहा, “अब हम चूके हुए अवसर की दर को कम करने पर काम कर रहे हैं क्योंकि यह मरीजों के सर्वोत्तम हित में है कि जिन्हें प्रत्यारोपण की आवश्यकता है उन्हें प्रत्यारोपण मिले।”

“हम उपलब्ध मशीन लर्निंग एल्गोरिदम के बीच प्रतिस्पर्धा करके मॉडल को परिष्कृत करना जारी रखते हैं, और हमें हाल ही में एक एल्गोरिदम मिला है जो मृत्यु के समय की भविष्यवाणी करने में समान सटीकता प्राप्त करता है लेकिन लगभग 10% की चूक अवसर दर के साथ।”

शोध दल हृदय और फेफड़ों के प्रत्यारोपण में उपयोग के लिए मॉडल की विविधताओं पर भी काम कर रहा है।

इंटरनेशनल यूनिवर्सिटी ऑफ हेल्थ एंड वेलफेयर, ड्यूक यूनिवर्सिटी स्कूल ऑफ मेडिसिन, क्लीवलैंड क्लिनिक, यूनिवर्सिटी ऑफ रोचेस्टर मेडिकल सेंटर, यूनिवर्सिटी ऑफ फ्लोरिडा कॉलेज ऑफ मेडिसिन, वर्जीनिया कॉमनवेल्थ यूनिवर्सिटी हेल्थ, कोलंबिया यूनिवर्सिटी इरविंग मेडिकल सेंटर और ट्रांसमेडिक्स, इंक. के शोधकर्ताओं ने इस अध्ययन में योगदान दिया।