医生开发了一种人工智能工具，可以将器官移植过程中的浪费精力减少 60%。
全世界有成千上万的患者正在等待可能挽救生命的捐赠者，而等待名单上的候选者比可用的器官还要多。
最近，在人们需要肝移植的情况下，通过使用心脏骤停后死亡的捐赠者扩大了获得范围。然而，在大约一半的循环死亡（DCD）病例捐赠中，移植最终被取消。
这是因为从生命维持装置移除到死亡之间的时间不得超过45分钟。如果捐赠者没有在保持器官质量所需的时间内死亡，外科医生通常会拒绝肝脏，因为接受者出现并发症的风险增加。
现在，斯坦福大学的医生、科学家和研究人员开发了一种机器学习模型，可以预测捐献者是否可能在器官可移植的时间内死亡。
AI 工具超越了顶级外科医生的判断，并将无用采购的发生率（这种情况发生在移植准备工作已经开始但捐赠者去世得太晚时）降低了 60%。
“通过在手术准备开始之前确定器官何时可能有用，该模型可以使移植过程更加高效，”腹部移植临床教授、该研究的资深作者 Kazunari Sasaki 博士说。
“它还有可能让更多需要器官移植的候选人接受器官移植。”
突破的细节是发表在《柳叶刀数字健康》杂志上。
这一进步可以减少医护人员在准备器官进行恢复时却发现它们不适合恢复和移植的情况，从而给移植中心带来财务和运营压力。
医院主要依靠外科医生的判断来估计这一关键时间范围，该时间范围可能存在很大差异，并导致不必要的成本和资源浪费。
新的人工智能工具接受了来自美国多个移植中心 2,000 多名捐赠者的数据的训练。它使用神经、呼吸和循环数据来预测潜在捐赠者的死亡进展，其准确性比以前的模型和人类专家更高。
时事通讯促销后
该模型经过回顾性和前瞻性测试，与外科医生的预测相比，无效采购减少了 60%。研究人员表示，重要的是，即使某些捐赠者信息缺失，它也能保持准确性。
可靠的数据驱动工具可以帮助医护人员做出更好的决策，优化器官使用并减少浪费的精力和成本。
研究小组表示，这种方法可能是移植领域向前迈出的重要一步，并强调了“先进人工智能技术在优化 DCD 捐赠者器官利用方面的潜力”。
接下来，他们计划改变人工智能工具，在心脏和肺移植中进行试验。