یه داستان جالب براتون دارم درباره تقسیم کلیههای اهداشده که کلی مشکل داره و حالا یه روش باحال با کلی هوش مصنوعی اومده کمکش کنه! همیشه تخصیص سریع و درست کلیههایی که از اهداکننده فوتشده میرسه دردسر بوده. روشهای قدیمی معمولاً دونهدونه پیشنهاد میدادن به مراکز پیوند، یکی یکی رد میکردن و کلی هم وقت هدر میرفت، تهش کلیه شاید چند بار رد میشد تا بالاخره جایی قبولش کنه. همین باعث میشد خیلی کلیهها اصلاً استفاده نشن، یا خیلی دیر به دست کسی برسن.
حالا یه راه جدید اومده که اسمش “simultaneously expiring offers” ـه؛ یعنی “پیشنهاد همزمان با زمان پاسخ محدود”. خلاصه بگم: یه کلیه رو بهموقع به چند تا مرکز پیوند با هم پیشنهاد میدن و همهشون باید تو یه زمان مشخص جواب بدن. این کار سرعت رو خیلی بیشتر میکنه، اما یه مشکل مهم داره: اگه سایز گروه یا گروههایی که پیشنهاد میگیرن ثابت باشه، گاهی تعداد اطلاعرسانیها خیلی زیاد میشه و کلی کارمندان پیوند خسته و کلافه.
اینجا بود که سر و کله مدلهای یادگیری ماشین و هوش مصنوعی پیدا شد! مثلاً مدلهای یادگیری ماشین یعنی الگوریتمهایی که از دادههای قبلی یاد میگیرن و میتونن برای آینده پیشبینی کنن—اینجا دقیقاً پیشبینی میکنن برای هر کلیه چه تعداد پیشنهاد لازمه تا یکی بگه “قبول!”. تو این تحقیق باحال، دانشمندها اومدن سراغ دیتابیس ملی اهدا کلیه که بیشتر از ۱۶۰۰۰ داده داشت. از کلی اطلاعات دهندهها و گیرندهها ویژگی (feature) درآوردن و مدلهای مختلفی رو آموزش دادن. مدل Random Survival Forest (یه جور الگوریتم جنگل تصادفی برای پیشبینی زمان بقا و شانس وقوع یه اتفاق در آینده) بهترین نتیجه رو داد، با امتیاز C-index معادل 0.882 که نشون میده دقت پیشبینی خیلی بالاس.
آیتمهایی مثل میانگین EPTS (Estimated Post-Transplant Survival یعنی تخمین زمان زنده موندن بعد از پیوند)، میانگین CPRA (Calculated Panel Reactive Antibody که شاخص حساسیت ایمنی بدنه به کلیه جدیده)، مدت دیالیز و چند وقت فرد تو لیست انتظار بوده، همه مهمترین تاثیر رو داشتن تو پیشبینی تعداد پیشنهاد لازم.
حالا با وصل کردن این پیشبینیها به همین سیستم پیشنهاد همزمان، میشه سایز گروه رو هر دفعه دقیقاً براساس پیشبینی هوش مصنوعی تعیین کرد که بیخود تعداد زیاد اطلاعرسانی نشه یا کسی جا نمونه. نتیجهش چی شد؟ تاخیر رسیدن کلیه به گیرنده به طور متوسط از ۱۷ ساعت و نیم رسید به فقط حدود ۱.۵ ساعت! یعنی یه افتخار حسابی. در نهایت نتیجه این پژوهش نشون داد که استفاده از مدلهای مبتنی بر پیشبینی بقا— survival-based predictive modeling یعنی مدلهایی که عمر یا زمان وقوع یه رویداد رو پیشبینی میکنن— میتونه تو همین سیستم «پیشنهاد همزمان با زمان انقضا» حسابی راندمان رو بالا ببره و صدای کارمندای پیوند رو در نیاره.
به طور خلاصه، وقتی ابزارهای هوشمندی مثل این مدلها بیان وسط مدیریت اهدای عضو، هم سرعت کار بالا میره، هم منابع بهتر استفاده میشن، هم احتمال اینکه کلیه به موقع به گیرنده برسه خیلی بیشتر میشه. بد نیست زندگی کلی آدم رو نجات بده، نه؟
منبع: +
