A ferramenta de IA supera os métodos existentes na previsão de resultados para pacientes transplantados renais

Uma nova ferramenta avançada de inteligência artificial (IA), desenvolvida por médicos renais a nível internacional, representa um passo significativo na previsão e potencialmente na melhoria dos resultados para pacientes transplantados renais no Reino Unido.

Para pacientes com insuficiência renal em estágio avançado, um transplante renal pode mudar a vida, oferecendo a promessa de maior sobrevida e melhor qualidade de vida em comparação com outras opções de tratamento. Mas só no Reino Unido, cerca de 5.000 pessoas estão na lista de espera para um transplante de rim, com um tempo médio de espera de dois a três anos por um órgão de um doador falecido.

Uma equipa de especialistas de hospitais dos EUA e do Reino Unido criou um novo software, que poderá, em última análise, abrir caminho para políticas atualizadas de alocação de rins – levando potencialmente a melhores resultados para os pacientes e a uma utilização mais eficiente deste precioso recurso.

A ferramenta, intitulada “Previsão do resultado do transplante renal de doador falecido no Reino Unido” (UK-DTOP), usa IA avançada. Foi desenvolvido usando dados de quase 30.000 casos de transplante em 15 anos.

Hatem Ali, especialista renal dos Hospitais Universitários de Coventry e Warwickshire NHS Trust, lidera um novo estudo para relatar os recursos da ferramenta na revista Insuficiência Renal.

Ele explica como sua equipe de pesquisa acredita que o modelo “promete ser um divisor de águas no transplante renal”.

“O UK-DTOP oferece esperança para uma alocação de órgãos mais eficiente e melhores resultados para os pacientes necessitados”, diz o Dr. Ali.

“Ao aproveitar o poder da IA ​​e do aprendizado de máquina, criamos um sistema de apoio à decisão mais preciso e confiável, que pode levar a uma melhor seleção de doadores, estratégias de transplante e, em última análise, melhores resultados para pacientes transplantados renais”.

“Como autor deste estudo, estou entusiasmado com os potenciais impactos da ferramenta UK-DTOP no transplante renal. Este modelo habilitado para IA melhora as nossas capacidades preditivas e ajuda a refinar a nossa abordagem à correspondência doador-receptor.

“Ao melhorar a forma como alocamos os órgãos, podemos garantir melhores resultados para os receptores de transplantes. Espero que esta ferramenta seja adotada globalmente, levando a avanços significativos no atendimento ao paciente e ao uso eficiente de recursos críticos de saúde.”

Um transplante de rim acarreta riscos inerentes e, como a procura de órgãos ultrapassa largamente a oferta, é crucial garantir que cada rim doado seja utilizado da forma mais eficaz.

No entanto, os modelos preditivos existentes, como o amplamente utilizado Índice de Risco de Doadores de Rim (KDRI), têm mostrado limitações na previsão precisa dos resultados dos pacientes – destacando a necessidade urgente de ferramentas mais sofisticadas que possam orientar melhor a tomada de decisões clínicas.

Usando os dados de 29.713 casos de transplante registrados no Registro de Transplantes do Reino Unido (UKTR) entre 2008 e 2022, a equipe de especialistas avaliou o desempenho preditivo de três técnicas avançadas de aprendizado de máquina, considerando vários fatores do doador, receptor e transplante.

O UK-DTOP emergiu como o modelo superior com um poder preditivo de 0,74, superando significativamente o KDRI (0,57) e o seu homólogo do Reino Unido, o UK-KDRI (0,62).

“O UK-DTOP é uma ferramenta versátil para avaliar os resultados do transplante renal de doador falecido. Ele refina a tomada de decisão pré-transplante, ao mesmo tempo que reconhece que a decisão final de aceitar um órgão cabe ao receptor e à sua tolerância ao risco”, acrescenta o co-autor Dr. . Miklos Molnar, da Divisão de Nefrologia e Hipertensão da Universidade de Utah.

“Nossas descobertas defendem uma mudança em direção à adoção de ferramentas avançadas e baseadas em dados em todos os sistemas de saúde em todo o mundo, potencialmente revolucionando a correspondência doador-receptor e a alocação de órgãos, melhorando as taxas de sucesso de transplantes e salvando vidas”.

Os pesquisadores também usaram técnicas de aprendizado de máquina não supervisionadas para identificar cinco grupos distintos de pacientes transplantados renais com taxas de sobrevivência variadas. Em última análise, esta abordagem poderia permitir avaliações de risco mais personalizadas para informar as decisões sobre prosseguir ou não com um transplante.

Embora o UK-DTOP represente um avanço significativo, a equipa também reconhece que este sistema de apoio à decisão tem certas limitações que podem afetar as suas previsões. Estes incluem a variabilidade nos dados notificados, a falta de informações sobre algumas características do doador e a ausência de certos factores que podem influenciar os resultados a longo prazo, tais como anticorpos específicos e certos marcadores biológicos.