Neuralt netværk kan hjælpe læger med at placere donorhjerter

26. februar 2019 kl. 09:54
Neuralt netværk kan hjælpe læger med at placere donorhjerter
Illustration: Jacob Lund/Bigstock.
Testene er lovende, men der mangler mere data fra Skandinavien, siger forsker.
Artiklen er ældre end 30 dage
Manglende links i teksten kan sandsynligvis findes i bunden af artiklen.

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.«

Artiklen fortsætter efter annoncen

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.

DataTech

Artiklen her er fra DataTech, et nyt PRO-medie fra Ingeniøren om data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra machine learning­-modeller til dataetik.
Følg med på pro.ing.dk/datatech

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.

Ingen kommentarer endnu.  Start debatten
Denne artikel er gratis...

...men det er dyrt at lave god journalistik. Derfor beder vi dig overveje at tegne abonnement på Version2.

Digitaliseringen buldrer derudaf, og it-folkene tegner fremtidens Danmark. Derfor er det vigtigere end nogensinde med et kvalificeret bud på, hvordan it bedst kan være med til at udvikle det danske samfund og erhvervsliv.

Og der har aldrig været mere akut brug for en kritisk vagthund, der råber op, når der tages forkerte it-beslutninger.

Den rolle har Version2 indtaget siden 2006 - og det bliver vi ved med.

Debatten
Log ind eller opret en bruger for at deltage i debatten.
settingsDebatindstillinger