Onderzoekers aan Stanford University hebben een artificiële intelligentie-model ontwikkeld dat kan voorspellen of een donor binnen het tijdsvenster zal overlijden zodat het orgaan nog levensvatbaar blijft. Hierdoor kan volgens de wetenschappers het aantal mislukte voorbereidende transplantaties — waarin het donororgaan uiteindelijk niet geschikt blijkt — met ongeveer 60% dalen.
|
New AI tool could cut wasted efforts to transplant organs by 60%Machine learning model predicts whether donor is likely to die within the timeframe that liver remains viable |
Het probleem: Donororgaan-verspilling
Wereldwijd wachten duizenden mensen op een levensreddend donororgaan. In het geval van donatie na circulatoir overlijden (DCD: donor dies after circulatory death) komt het regelmatig voor dat een donor niet snel genoeg overlijdt na het stopzetten van de ondersteuning — waardoor het orgaan niet meer geschikt is voor transplantatie. In circa de helft van de DCD-gevallen blijkt de transplantatie uiteindelijk geannuleerd te worden. Dat leidt niet alleen tot verdrietige uitkomsten voor patiënten, maar ook tot grote operationele en financiële lasten voor transplantatiecentra.
De doorbraak: Een AI-model dat beter voorspelt
Het ontwikkelde model maakt gebruik van neurologische, ademhalings- en circulatoire data van meer dan 2.000 donoren uit diverse Amerikaanse centra. Hiermee voorspelt het model met hogere nauwkeurigheid dan menselijke chirurgen of traditionele modellen of de donor binnen het venster zal overlijden dat organen nog bruikbaar zijn. De belangrijkste verbetering: het reduceert het aantal ‘futile procurements’ — voorbereidingen tot transplantatie die uiteindelijk stoppen — met circa 60%.
Waarom dit belangrijk is
- Efficiënter gebruik van donororganen: Door beter voorspellingsvermogen kunnen donororganen minder vaak ‘verloren’ gaan.
- Minder belasting voor transplantatiecentra: Minder voorbereidingen lopen mis, wat scheelt in kosten, operatieschema’s en logistiek.
- Potentieel meer transplantaties: Door verspilling te beperken kan een groter aantal kandidaten de kans krijgen op een orgaan.
- Schaalbaarheid naar meer orgaantypes: Het onderzoeksteam plant uitbreiding van deze AI-tool voor hart- en longtransplantaties.
Wat zijn de aandachtspunten?
Hoewel de resultaten veelbelovend zijn, blijft het belangrijk om enkele kanttekeningen in ogenschouw te nemen:
- Het model is getraind en getest in Amerikaanse centra; de prestaties kunnen verschillen in andere landen of onder andere zorgsystemen.
- AI-modellen blijven hulpmiddelen — beslissingen over organaanvaarding en timing zullen uiteindelijk door chirurgen en transplantatieteams genomen worden.
- Privacy, databeheer en ethiek blijven cruciale aandachtspunten bij het gebruik van medische AI.
- Het blijft nodig om ook andere bottlenecks in het donatie- en transplantatieproces aan te pakken: donoren vinden, logistiek organiseren, vervoer en kwaliteit garanderen.
De toekomst: Wat staat ons te wachten?
Het onderzoeksteam wil de AI-tool verder verfijnen en toepasbaar maken voor andere soorten orgaandonaties. Mocht de technologie breed geïmplementeerd worden, dan zou dat een paradigmaverschuiving kunnen betekenen in de manier waarop transplantatie-programma’s werken. Het zou de donor-transplantatieketen kunnen transformeren van een deels intuïtief model naar een datagedreven proces, waarbij verspilling structureel verminderd wordt.
De ontwikkeling van deze AI-tool door Stanford-onderzoekers markeert een belangrijke stap richting een efficiënter gebruik van donororganen. Met een potentieel van circa 60% minder mislukte transplantatievoorbereidingen belooft deze technologie niet alleen kosten- en tijdsbesparend te zijn, maar bovenal meer hoop te bieden aan patiënten op de wachtlijst. Voor de medische wereld, en voor iedereen die betrokken is bij orgaandonatie, is dit een veelbelovende ontwikkeling.
