MADRID 23 Oct. (EUROPA PRESS) -
Una nueva herramienta avanzada de inteligencia artificial (IA), desarrollada por médicos renales a nivel internacional, representa un importante paso adelante en la predicción y potencialmente mejora de los resultados para los pacientes con trasplante de riñón en el Reino Unido, tal y como se revela en la revista revisada por pares 'Renal Failure'.
En concreto, se trata del trabajo de un equipo de expertos de hospitales de todo Estados Unidos y el Reino Unido. Estos han creado un nuevo software que, en última instancia, podría allanar el camino para políticas actualizadas de asignación de riñones, lo que podría conducir a mejores resultados para los pacientes y a un uso más eficiente de este preciado recurso.
La herramienta, denominada 'Predicción de resultados de trasplantes de riñón de donantes fallecidos en el Reino Unido' (UK-DTOP), utiliza inteligencia artificial avanzada. Se desarrolló a partir de datos de casi 30.000 casos de trasplantes a lo largo de 15 años.
Hatem Ali, especialista renal del University Hospitals Coventry and Warwickshire NHS Trust (Reino Unido), dirige un este estudio para informar sobre las capacidades de la herramienta. De esta forma, explica cómo su equipo de investigación cree que el modelo "promete cambiar las reglas del juego en el trasplante de riñón".
"El UK-DTOP ofrece esperanzas para una asignación de órganos más eficiente y mejores resultados para los pacientes que los necesitan", indica el doctor Ali. "Al aprovechar el poder de la IA y el aprendizaje automático, hemos creado un sistema de apoyo a la toma de decisiones más preciso y confiable, que podría conducir a una mejor selección de donantes, estrategias de trasplante y, en última instancia, mejores resultados para los pacientes con trasplante de riñón".
"Como autor de este estudio, me entusiasman los posibles efectos de la herramienta UK-DTOP en el trasplante de riñón. Este modelo basado en IA mejora nuestras capacidades predictivas y ayuda a perfeccionar nuestro enfoque de compatibilidad entre donantes y receptores. Al mejorar la forma en que asignamos los órganos, podemos garantizar mejores resultados para los receptores de trasplantes. Tengo la esperanza de que esta herramienta se adopte a nivel mundial, lo que conducirá a avances significativos en la atención al paciente y al uso eficiente de recursos sanitarios críticos".
Un trasplante de riñón conlleva riesgos inherentes y, como la demanda de órganos supera con creces la oferta, es fundamental garantizar que cada riñón donado se utilice de la manera más eficaz. Sin embargo, los modelos predictivos existentes, como el Índice de riesgo de donantes de riñón (KDRI), ampliamente utilizado, han mostrado limitaciones para pronosticar con precisión los resultados de los pacientes, lo que pone de relieve la necesidad urgente de herramientas más sofisticadas que puedan orientar mejor la toma de decisiones clínicas.
Utilizando los datos de 29.713 casos de trasplantes registrados en el Registro de Trasplantes del Reino Unido (UKTR) entre 2008 y 2022, el experto evaluó el rendimiento predictivo de tres técnicas avanzadas de aprendizaje automático, teniendo en cuenta diversos factores del donante, el receptor y el trasplante. El UK-DTOP surgió como el modelo superior con un poder predictivo de 0,74, superando significativamente al KDRI (0,57) y a su homólogo del Reino Unido, el UK-KDRI (0,62).
"El UK-DTOP es una herramienta versátil para evaluar los resultados del trasplante renal de un donante fallecido. Perfecciona la toma de decisiones previa al trasplante y reconoce que la decisión final de aceptar un órgano recae en el receptor y su tolerancia al riesgo", añade el coautor Miklos Molnar, de la División de Nefrología e Hipertensión de la Universidad de Utah (Estados Unidos).
"Nuestros hallazgos abogan por un cambio hacia la adopción de herramientas avanzadas basadas en datos en los sistemas de atención sanitaria de todo el mundo, lo que podría revolucionar la compatibilidad entre donantes y receptores y la asignación de órganos, mejorar las tasas de éxito de los trasplantes y salvar vidas".
Los investigadores también utilizaron técnicas de aprendizaje automático no supervisado para identificar cinco grupos distintos de pacientes con trasplante de riñón con diferentes tasas de supervivencia. En última instancia, este enfoque podría permitir evaluaciones de riesgo más personalizadas para fundamentar decisiones sobre si proceder o no con un trasplante.
Si bien el sistema UK-DTOP representa un avance significativo, el equipo también reconoce que este sistema de apoyo a la toma de decisiones tiene ciertas limitaciones que podrían afectar sus predicciones. Entre ellas, se incluyen la variabilidad de los datos informados, la falta de información sobre algunas características de los donantes y la ausencia de ciertos factores que pueden influir en los resultados a largo plazo, como anticuerpos específicos y ciertos marcadores biológicos.