Neuralt netværk kan hjælpe læger med at placere donorhjerter

Modellen LuDeLTA skal hjælpe med at trække beslutningen om, hvilken hjertepatient, der skal modtage det næste donorhjerte. Illustration: Jacob Lund/Bigstock
Testene er lovende, men der mangler mere data fra Skandinavien, siger forsker.

Donorhjerter er en konstant mangel, så når et hjerte dukker op, skal det gå til den patient, der har bedst mulighed for at overtage hjertet og leve i mange år derefter.

Vurderingen foretages i dag af læger ud fra en række kriterier. Men den svære beslutning kunne potentielt understøttes med et neuralt netværk, viser svensk forskning.

»Hvordan lægerne gør det i dag afhænger af, hvor i verden du er,« forklarer Dennis Medved, der netop har afsluttet sin ph.d. på Lunds Universitet.

»I Norden går man som regel efter 10 kriterier, såsom alder, vægt og blodgruppe, og forsøger at matche den del. Herefter går de efter ventetid som et sekundært kriterium.«

For at undersøge, om deep learning kan forbedre den proces, lavede Medved en simulering af en venteliste, hvor patienter og donorer dukker op baseret på en matematisk model (Poisson point process). Herefter simulerer modellen, at tiden går – inklusive at patienter på ventelisten dør eller får tildelt et donorhjerte.

Tilsammen er det blevet til modellen kaldet Lund Deep Learning Transplant Algorithm, eller LuDeLTA. Den inkluderer brugen af to neurale netværk, der forudsiger henholdsvis venteliste-patienternes tilstand og forventede levetid med et donorhjerte.

Flere hjerter bliver brugt

Ifølge simuleringen klarer LuDeLTA opgaven betydeligt bedre end den gældende praksis. Ved at allokere hjerter efter det neurale netværks forudsigelser blev den simulerede levetid forlænget med mere end 400 dage. Den normale median-levetid for en patient med et donorhjerte er 12 år.

Foruden længere levetid antyder simuleringen, at det neurale netværk kan hjælpe med at bruge hjerter, som efter de kliniske retningslinjer ville være kasseret.

Trods lovende tal, er det for tidligt at sige, at algoritmen slår de normale allokeringskritier, påpeger Dennis Medved. Det skyldes blandt andet, at LuDeLTA ikke er lavet på skandinaviske data.

Bør støtte en læges beslutning

Hvis forsøg på nordiske data og kliniske test viser de samme positive resultater som simuleringen, forestiller Dennis Medved sig, at systemet kunne bruges som et beslutningsværktøj for læger.

»Such a tool could consist of web page where the physicians could enter potential donors, where the tool predicts the survival for each patient in the waiting list and each recipient-donor pair after transplant, and may combine these two metrics and rank the patient after predicted survival. This could be used to augment the doctors decision process, to help with the allocation of a potential heart donor,« skriver han i sin afhandling.

Dennis Medved understreger, at algoritmen ikke bør stå alene:

»Vi siger ikke, at algoritmen skal være hovedansvarlig for at vælge patienten. Den skal bruges som et værktøj af doktoren, som kan få en liste over patienter og deres forventede levetid, og derefter skal de tage en beslutning.«

Læs den fulde artikel på DataTech, hvor forskerne bag LuDeLTA uddyber, hvordan de har opbygget deres model blandt andet med data fra USA’s UNOS-database, men stadig mangler at teste den på skandinaviske.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (0)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere