Fórum Hepático | Proyecto MADRE :: El Médico Interactivo, Diario Electrónico de la Sanidad ::

El Fórum Hepático crea MADRE, una herramienta de inteligencia artificial para determinar el mejor receptor para cada órgano donado

Redacción

El proyecto, en el que ha colaborado Astellas Pharma, se presenta en Valencia durante el XVII Congreso Anual de la Sociedad Internacional de Trasplante Hepático


Valencia (24-6-11).- El Fórum Hepático, compuesto por cirujanos y hepatólogos de once Unidades de Trasplante Hepático de toda España, ha creado una herramienta de inteligencia artificial que permite establecer el mejor emparejamiento posible entre un donante y los posibles receptores de un injerto hepático. Este proyecto, de nombre MADRE (Modelo de Asignación de Donante Receptor Español), es pionero ya que por primera vez se aplica en el campo del trasplante hepático, el sistema de aprendizaje y procesamiento automático de información que son las redes neuronales artificiales.

Este estudio, que ha sido coordinado por la Unidad de Trasplante del Hospital Reina Sofía junto con el área de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Córdoba y la colaboración de Astellas Pharma, se ha presentado este jueves en el marco del XVII Congreso Anual de la Sociedad Internacional de Trasplante Hepático (ILTS), que se celebra en Valencia hasta el 25 de junio.

La presentación de los resultados en el Congreso de la ILTS la realiza Javier Briceño, jefe de la sección de Cirugía General, miembro de la unidad de trasplante del Hospital Reina Sofía de Córdoba y coordinador del Proyecto MADRE, quien explica por qué surgió la idea de aplicar esta herramienta. “En la actualidad, aunque existen modelos diferentes que nos permiten calcular el riesgo con un determinado donante, y por otro lado, la probabilidad de morir en lista de espera, no existe un sistema global que calcule ambos eventos; y aún más no sabemos qué donante es el qué va a funcionar con mayor éxito entre los pacientes que esperan en la lista”.

Por ello, el objetivo principal que se fijó para este Proyecto fue establecer un sistema capaz de asignar objetivamente un donante para aquel receptor en el que el órgano trasplantado funcione con más probabilidades de éxito, sin olvidar la gravedad de dicho receptor en la lista de espera, combinando los principios de justicia, eficacia y eficiencia.

En el caso de la aplicación de las redes neuronales al trasplante hepático por parte del Fórum Hepático, que ha contado con la colaboración de Astellas Pharma para la creación y desarrollo de este Proyecto, se dispuso de una base de datos de 1.003 trasplantes realizados durante los años 2007-2008 en las once unidades de trasplante hepático participantes: Andalucía (2), Madrid (3), Extremadura (1), Valencia (1), País Vasco (1), Galicia (2) y Cataluña (1).

Supervivencia del hígado a tres meses

Para la fase de aprendizaje del sistema de redes neuronales, se recopilaron 23 variables por cada donante y 34 por cada receptor. Y el ‘end point’ fijado para el cálculo de riesgo donante y mortalidad en lista de espera fue la supervivencia o no del hígado trasplantado durante los tres meses siguientes a su implante.

“Por cada par donante-receptor, se calcularon dos probabilidades: la probabilidad de supervivencia del injerto y la probabilidad de pérdida del mismo. Y para ello se establecieron dos modelos de redes neuronales, un modelo de aceptación y un modelo de rechazo”, dice Briceño. El modelo de aceptación mostró una capacidad de predicción de supervivencia del 88 por ciento y el modelo de rechazo mostró una capacidad de predicción de pérdida del injerto del 66 por ciento.

Los resultados obtenidos se compararon además con dos modelos de regresión logística y tres clasificadores inteligentes, que son modelos estándares de análisis. La capacidad de predicción de estos últimos en supervivencia del injerto alcanzó el 85 por ciento, sin embargo la predicción de no supervivencia fue del 3,4 por ciento. “Es decir, los modelos estándar clasifican muy bien a los pares donante-receptor que sobreviven, pero son prácticamente incapaces de clasificar los pares que no sobreviven y que son, por ende, los que más nos interesan”, explica el experto.

Sistemas predictivos

Los sistemas de redes neuronales se utilizan actualmente en la predicción de catástrofes, en el campo de la meteorología, la estrategia militar y microbiología cuantitativa, entre otros, según explica César Hervás, catedrático de la Universidad de Córdoba en el área de Ciencias de la Computación e Inteligencia Artificial, que ha participado en el desarrollo de este sistema de redes neuronales y estará presente también en el Congreso de la ILTS.

“Ahora se está aplicando en el campo de la Medicina, y en concreto, en el del trasplante de órganos”, añade. Este sistema imita las propiedades de los sistemas neuronales biológicos, que son recreados a través de potentes modelos matemáticos desarrollados con mecanismos artificiales. Dichos mecanismos, a partir de una información no estructurada suministrada en forma de ejemplos, es capaz de aprender y de generalizar comportamientos, proporcionando soluciones.

“Tras la recogida y procesamiento de la información, se diseñaron los modelos de redes neuronales. Para ello, probamos cientos de miles de modelos, utilizando algoritmos evolutivos como métodos de búsqueda de los mejores modelos”, apunta. “Una vez obtenidos los mejores se diseñó un sistema basado en reglas y ejecutado mediante un software para decidir a qué receptor de entre los cinco que estaban en cabeza de la lista de espera se le asignaba el hígado del donante de forma tal que se maximizara la probabilidad de supervivencia y se minimizara la probabilidad de no supervivencia”.

En la actualidad, se realizan en España en torno a 1.000 trasplantes de hígado al año, entre las 25 unidades de trasplante hepático que existen en nuestro país; el número no se espera que aumente en los próximos años. Ante este contexto se está recurriendo a la utilización de los donantes con características biológicas supuestamente inferiores a los donantes considerados como óptimos, además de potenciar el trasplante de donante vivo o en asistolia, que podrían permitir incrementar el número de donante. De ahí, la importancia de asignar el órgano donante al mejor receptor posible.

Criterios de gravedad

“En la mayoría de las unidades de trasplante hepático de España, la asignación de los donantes se realiza según criterios de gravedad, de modo que se adjudican los donantes, respetando la identidad del grupo sanguíneo, a los pacientes más graves, con mayor riesgo de morir en lista de espera. Pero no hay un modelo uniforme para toda España”, afirma Manuel de la Mata, director de la Unidad de Gestión Clínica de Aparato Digestivo del Hospital Universitario Reina Sofía de Córdoba y coordinador científico del Fórum Hepático.

De La Mata, presidente además de la Sociedad Española de Trasplante Hepático, explica que la finalidad de este proyecto era generar conocimiento en torno a áreas de controversia en la Medicina de trasplante hepático. “Se trataba de acumular datos y experiencia de un número de unidades de trasplante hepático, generar hipótesis e intentar responder a preguntas clínicas sin respuesta. Una de ellas era precisamente ¿cuál es el mejor método para emparejar donantes y receptores?, y de ahí surgió el Proyecto MADRE”.

El próximo objetivo que se ha planteado el Fórum Hepático es comprobar la validez del modelo de redes neuronales desarrollado en España mediante la utilización de bases de datos de trasplantes en Europa. Además, “queremos también iniciar una implantación prospectiva entre algunos centros nacionales para ver en la práctica clínica la efectividad del modelo”, apostilla Briceño. “Consideramos que un sistema como éste, que depende de los cálculos complejos realizados por un programa informático capaz de tener en cuenta un número ilimitado de variables, elimina la subjetividad, y la variabilidad de unas unidades de trasplante a otras y respeta el principio de gravedad y de eficacia en la asignación”, añade.

:: El Médico Interactivo, Diario Electrónico de la Sanidad ::