據(jù)悉，澳洲墨爾本奧斯汀肝移植健康中心的主管Jones跟他的同事Lawrence Lau一起開發(fā)出一個(gè)算法，可以幫助醫(yī)療機(jī)構(gòu)更好地匹配器官捐贈(zèng)者和器官接受者。他們計(jì)劃利用特別設(shè)計(jì)的人工智能程序來提高肝臟移植匹配的準(zhǔn)確性，進(jìn)而最大程度避免移植失敗和病人死亡的情況。

(人工智能醫(yī)學(xué)獲突破 AI可助力器官移植匹配度預(yù)測(cè) 圖片來源：百度圖片)

回望1988年，當(dāng)Bob Jones正在做一臺(tái)肝臟移植手術(shù)時(shí)，他一定想不到29年以后，他會(huì)對(duì)人工智能充滿興趣。

Jones是澳洲墨爾本奧斯汀肝移植健康中心的主管，他跟他的同事Lawrence Lau一起開發(fā)出一個(gè)算法，可以幫助醫(yī)療機(jī)構(gòu)更好地匹配器官捐贈(zèng)者和器官接受者。Jone表示，他們計(jì)劃利用特別設(shè)計(jì)的人工智能程序來提高肝臟移植匹配的準(zhǔn)確性，進(jìn)而最大程度避免移植失敗和病人死亡的情況。

他帶領(lǐng)的團(tuán)隊(duì)將大約25個(gè)供體和受體的特征輸入到人工智能程序，用數(shù)據(jù)點(diǎn)來預(yù)測(cè)器官移植之后的恢復(fù)情況。

“這個(gè)機(jī)器學(xué)習(xí)算法能通過學(xué)習(xí)多個(gè)供體和受體的特征來預(yù)測(cè)匹配結(jié)果。”他解釋道，“我們使用性別、年齡、潛在疾病、血型等基本信息，外加關(guān)于供體的確定特征，肝臟排異參數(shù)等重要信息。”

使用人工智能來評(píng)估75名成年肝移植患者的術(shù)后情況后，他們發(fā)現(xiàn)移植手術(shù)30天后，AI預(yù)測(cè)的移植失敗準(zhǔn)確度高達(dá)84%，依傳統(tǒng)方法只有68%。

“這是首次真正意味著我們可以用定量的方法來評(píng)估器官的適用性。”他補(bǔ)充道，“與當(dāng)前方法相反，這其實(shí)可以歸結(jié)為根據(jù)醫(yī)生經(jīng)驗(yàn)來審視所有數(shù)據(jù)，然后做出診斷結(jié)果。”

Jones表示，他們已經(jīng)將許多學(xué)術(shù)期刊投遞了這一研究成果，下一步將進(jìn)行前瞻性隨機(jī)試驗(yàn)。

澳洲韋斯特米德醫(yī)院腎臟移植主任和澳洲器官移植協(xié)會(huì)的董事會(huì)成員Jeremy Chapman就此表示，實(shí)驗(yàn)初步結(jié)果貌似十分積極的。但是他強(qiáng)調(diào)稱，這一研究只能運(yùn)用于最早期階段，即用于幫助決策而不是決定最后手術(shù)與否。

他還建議，該算法可能并不能立即適用于其他地區(qū)，因?yàn)樵谀珷柋荆琂ones帶領(lǐng)的團(tuán)隊(duì)執(zhí)行這一算法的方式可能帶有其他地區(qū)所不具備的特定功能。

作為一個(gè)腎移植專家，他補(bǔ)充道，器官移植系統(tǒng)不僅要考慮手術(shù)預(yù)測(cè)結(jié)果，還要考慮到公平、器官最佳使用狀況等諸多因素。

“你只要從最合適的捐贈(zèng)者體內(nèi)取出器官，把它放到最合適的接受者體內(nèi)，你就可以很容易地改善器官移植的結(jié)果。”Chapman說，“使用我們過去移植結(jié)果數(shù)據(jù)，并通過優(yōu)化基于公平的分配制度，我們就能在循序漸進(jìn)改進(jìn)器官移植的狀況。”

針對(duì)Chapman的評(píng)價(jià)，Jones強(qiáng)調(diào)稱他們的項(xiàng)目處于“非常早期的階段”，但是他們對(duì)深入的預(yù)測(cè)過程，包括那些不怎么容易量化的因素十分感興趣。不過Jones也承認(rèn)他們?cè)O(shè)置參數(shù)有些通用之處，但有時(shí)候一個(gè)數(shù)字并不能完全表達(dá)病人的狀況。

但無論如何，對(duì)Jones而言，新技術(shù)的應(yīng)用無疑顯示了未來的器官移植狀況將令人興奮。