ESPAÑA
11 UNIDADES ESPAÑOLAS TRABAJAN EN EL PROYECTO
Modelos de predicción para mejorar el emparejamiento en trasplante hepático
Venida de otros campos, la inteligencia artificial está calando en la Medicina. El establecimiento de modelos de predicción ya es una realidad en especialidades como la Nefrología o la Oncología. El proyecto Madre trabaja en un sistema que asigna el órgano del donante al mejor de los cinco receptores en lista de espera.
Enrique Mezquita. Valencia | 23/06/2011 00:00
Resulta de gran importancia asignar el órgano donante al mejor receptor posible, minimizando así las posibilidades de rechazo y maximizando las posibilidades de éxito en los alrededor de mil trasplantes hepáticos anuales que se llevan a cabo en España. Para ello, el Fórum Hepático, compuesto por cirujanos y hepatólogos de once unidades de trasplante hepático del país, ha desarrollado una herramienta de inteligencia artificial que permite establecer el mejor emparejamiento posible entre un donante y los posibles receptores de un injerto hepático.
El proyecto Madre (Modelo de Asignación de Donante Receptor Español), presentado en el XVII Congreso Anual de la Sociedad Internacional de Trasplante Hepático (ILTS), ha elaborado un sistema basado en reglas y ejecutado por un software que asigna el órgano del donante al mejor de los cinco receptores en lista de espera. El sistema también aplica el sistema de aprendizaje y procesamiento automático de información que representan las redes neuronales artificiales.
Según sus impulsores, contar con un sistema basado en cálculos complejos realizados por un programa informático, que además tiene en cuenta un número ilimitado de variables, elimina la subjetividad y la variabilidad de unas unidades de trasplante a otras, y respeta el principio de gravedad y de eficacia en la asignación.
"Existen modelos que predicen por separado el riesgo que tiene el donante y el receptor, pero no de aunar los factores de ambos y de hacer un emparejamiento objetivo", ha explicado Javier Briceño, jefe de la sección de Cirugía General y miembro de la Unidad de Trasplante del Hospital Reina Sofía de Córdoba, además de coordinador del proyecto. Por eso "decidimos recurrir a las redes neuronales artificiales".
1.003 casos
El proyecto, que ha contado con la colaboración de Astellas Pharma, ha dispuesto de una base de datos de 1.003 trasplantes realizados entre 2007 y 2008 en las once unidades de trasplante hepático participantes. Por cada par donante-receptor, se calcularon la probabilidad de supervivencia del injerto y la de pérdida a partir de dos modelos de redes neuronales: de aceptación y de rechazo. El modelo de aceptación mostró una capacidad de predicción de supervivencia del 88 por ciento, y el de rechazo, una capacidad de predicción de pérdida del injerto del 66 por ciento.
Según 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, "los resultados son muy prometedores, ya que el porcentaje de buena clasificación es muy alto, en torno al 88 por ciento, y no sólo hemos optimizado modelos que mejoran ese porcentaje de buena clasificación total, sino también el de buena clasificación de la clase minoritaria, que es la de no supervivencia".
En cualquier caso, Manuel de la Mata, director de la Unidad de Gestión Clínica de Aparato Digestivo del Reina Sofía, y coordinador científico del Fórum Hepático, ha señalado que "aún están en una fase preliminar. Debemos explorar la validez y aplicabilidad del modelo". De hecho, el próximo objetivo es comprobar la validez con bases de datos de Europa. Según De la Mata, que preside la Sociedad Española de Trasplante Hepático, también es muy posible que en 2012 se inicie una exploración práctica en hospitales españoles sobre la efectividad clínica del modelo.
Desde otros campos
Los sistemas de redes neuronales se utilizan en la predicción de catástrofes, en el campo de la meteorología, la estrategia militar y la microbiología cuantitativa, entre otros. Ahora se está aplicando en Medicina. Estos sistemas imitan las propiedades de los neuronales biológicos, que son recreados mediante potentes modelos matemáticos desarrollados con mecanismos artificiales, que, a partir de una información no estructurada suministrada en forma de ejemplos, pueden aprender y generalizar comportamientos. De hecho, el propio ordenador es capaz de aprender de los datos registrados.
Modelos de predicción para mejorar el emparejamiento en trasplante hepático - DiarioMedico.com
.png)
No hay comentarios:
Publicar un comentario