作者:Helen Albert
英国考文垂大学开发的一种基于人工智能(AI)的工具可以通过提供有关可能结果的信息来帮助提高肾脏移植决策的质量。
决定从逝者捐献者那里接收器官的人选总是很困难,因为许多人都需要捐赠的器官,并且影响器官移植结果的因素有很多。
在期刊上撰写文章肾衰竭研究作者解释说,“之前用于预测器官移植结果的模型在区分能力和校准能力方面有限,这凸显了改进预测工具的必要性,这些工具能够更好地指导临床决策。”
该研究测试了不同的基于人工智能的模型,以评估它们在预测2008年至2022年间发生在英国的29,713例肾移植结果方面的准确性。
研究团队测试了三种不同的机器学习模型——XGBoost、随机生存森林和最优决策树,并发现XGBoost最能够预测移植后的结果。
研究人员使用XGBoost创建了英国 deceased donor 肾移植结局预测(UK-DTOP)工具,以辅助该领域的临床医生和决策者。
英国的DTOP比目前用于评估供体潜在结果的肾移植捐赠者风险指数(KDRI)更准确。例如,它在曲线下面积(AUC)统计评分上始终高于0.72。相比之下,目前使用的肾移植捐赠者风险指数所获得的最高AUC评分为0.64。这个分数用于评估区分能力和校准。
“通过利用人工智能和机器学习的力量,我们创建了一个更准确、更可靠的决策支持系统,这可能会改善捐赠者的筛选、移植策略,并最终提高肾移植患者的治疗效果,”共同通讯作者哈特姆·阿里(University Hospitals Coventry and Warwickshire NHS Trust的肾病专家)在一份新闻声明中说道。
“英国DTOP为更高效的器官分配和改善患者的治疗效果带来了希望。”
除了创建UK-DTOP之外,作者们还利用该数据集进行了无监督机器学习研究,并发现了五个具有不同预后的移植受者群体。他们现在计划利用这些发现来帮助改善需要移植患者的预后预测。
阿里和他的团队承认,尽管他们的结果很有前景,但仍需进一步努力来改进模型。例如,确保没有缺失的数据,这些数据可能会影响预测结果。