tecnología Redes neuronales

Trasplantes con inteligencia artificial

  • Un proyecto español sobre injerto hepático utiliza las redes neuronales artificiales para determinar el receptor más adecuado para cada hígado donado · Mejora la capacidad de predecir la pérdida del órgano.

La inteligencia artificial al servicio de una medicina mejor. Esa es la idea que inspira el pionero Proyecto Madre (siglas de Modelo de Asignación de Donante Receptor Español), que se centra en el trasplante hepático y se sirve de las redes neuronales artificiales para determinar el receptor más adecuado para cada órgano donado. La herramienta para lograr tal emparejamiento óptimo lleva la firma del Fórum Hepático, integrado por cirujanos y hepatólogos de once unidades de ese tipo de injerto en toda España, y se apoya en un estudio coordinado desde Córdoba por la Unidad de Trasplante del Hospital Reina Sofía y por el área de Ciencias de la Computación e Inteligencia Artificial de la Universidad de esa ciudad andaluza.

La investigación, presentada en el último Congreso Anual de la Sociedad Internacional de Trasplante Hepático recién celebrado en Valencia, consolida el salto a la medicina de esos sistemas de redes neuronales, que hasta ahora se usaban en predicción de catástrofes, meteorología, estrategia militar o microbiología cuantitativa. Como explicó el coordinador del Proyecto Madre Javier Briceño, jefe de Cirugía General y miembro de la Unidad de Trasplante del Reina Sofía cordobés, se trata de avanzar desde los actuales "modelos que permiten calcular el riesgo con un determinado donante y la probabilidad de morir en lista de espera" hasta un "sistema global que calcule ambos eventos" y pueda pronosticar el órgano donado que funcionará mejor entre quienes esperan en esa lista.

España ronda el millar de injertos de hígado al año en las 25 unidades especializadas en trasplante hepático, pero ese número permanece estable y obliga a optimizar los recursos disponibles, bien aprovechando los donantes con características biológicas inferiores a las óptimas, bien potenciando el trasplante de donante vivo o en asistolia para aumentar el número de órganos disponibles. En ese contexto, 'emparejar' mejor a donante y receptor permitiría el doble objetivo de reducir el riesgo de rechazo y aumentar lo más posible las opciones de éxito. Es lo que buscaba el Fórum Hepático con su investigación, que contó con una base de datos de 1.003 injertos completados en 2007-2008 en sus once Unidades de Trasplante, dos de ellas en Andalucía. Y si ahora se usa apenas una decena de variables para elegir el mejor receptor para cada órgano, ya en la fase de aprendizaje del sistema de redes neuronales artificiales se emplearon 23 variables por cada donante y 34 por cada receptor. Además, como explicó César Hervás, catedrático de la Universidad de Córdoba en el área de Ciencias de la Computación e Inteligencia Artificial, antes se habían probado ya "cientos de miles de modelos, utilizando algoritmos evolutivos", para diseñar las citadas redes.

Lo que hace ese sistema artificial es imitar las propiedades de los sistemas neuronales biológicos, copiados con potentes modelos matemáticos que a su vez se desarrollan con mecanismos artificiales. Una vez diseñado el sistema, que se ejecuta mediante un software específico, se trataba de decidir a qué receptor de los cinco que encabezaban la lista de espera se asignaba el hígado donado para, en palabras de Hervás, "maximizar la probabilidad de supervivencia y minimizar la probabilidad de no supervivencia".

Para medir el mayor o menor éxito de esa herramienta de inteligencia artificial, se fijó como referencia la supervivencia o no del hígado trasplantado durante los 3 meses siguientes a su implantación. Como apuntó Briceño, "por cada par donante-receptor se calcularon dos probabilidades: la de supervivencia del injerto y la de pérdida del mismo. Y para ello se establecieron dos modelos de redes neuronales, uno de aceptación y otro de rechazo". En el primer modelo, la capacidad de predicción de supervivencia llegó al 88%; en el segundo, la capacidad de predicción de pérdida del injerto fue del 66%. Los resultados se compararon con varios modelos estándar de análisis, que mostraron una capacidad de predicción en supervivencia del injerto del 85%, pero apenas del 3,4% en la predicción de no supervivencia, que para Briceño "son los que más nos interesan".

El modelo de redes neuronales desarrollado por el Fórum Hepático necesita todavía contrastar su efectividad en la práctica clínica antes de poder generalizar su aplicación, y de ahí el propósito adelantado por el experto cordobés de "iniciar una implantación prospectiva entre algunos centros nacionales" para comprobarlo. Además, y dado que las características de donantes y receptores suelen variar de un país a otro, también se estudiará -a partir de bases de datos de trasplantes en el continente- si el modelo desarrollado en España puede ser válido en otros lugares de Europa.

Etiquetas

Comentar

0 Comentarios

    Más comentarios