नवीन AI साधन अवयव प्रत्यारोपणासाठी वाया जाणारे प्रयत्न 60% कमी करू शकते | अवयवदान

डॉक्टरांनी एआय टूल विकसित केले आहे जे अवयव प्रत्यारोपणासाठी वाया जाणारे प्रयत्न 60% कमी करू शकते.

जगभरातील हजारो रुग्ण संभाव्य जीवनरक्षक दात्याची वाट पाहत आहेत आणि उपलब्ध अवयवांपेक्षा जास्त उमेदवार प्रतीक्षा यादीत अडकले आहेत.

अलीकडे, लोकांना यकृत प्रत्यारोपणाची आवश्यकता असलेल्या प्रकरणांमध्ये, हृदयविकाराच्या झटक्याने मृत्यू पावलेल्या दात्यांचा वापर करून प्रवेश वाढविला गेला आहे. तथापि, रक्ताभिसरण मृत्यू (DCD) प्रकरणांनंतर यापैकी निम्म्या देणग्यांमध्ये, प्रत्यारोपण रद्द केले जाते.

कारण लाइफ सपोर्ट काढून टाकणे आणि मृत्यू यामधील वेळ ४५ मिनिटांपेक्षा जास्त नसावा. अवयवाची गुणवत्ता टिकवून ठेवण्यासाठी आवश्यक असलेल्या वेळेत दात्याचा मृत्यू झाला नाही तर, प्राप्तकर्त्याला गुंतागुंत होण्याच्या जोखमीमुळे सर्जन अनेकदा यकृत नाकारतात.

आता स्टॅनफोर्ड युनिव्हर्सिटीतील डॉक्टर, शास्त्रज्ञ आणि संशोधकांनी एक मशीन लर्निंग मॉडेल विकसित केले आहे ज्यामध्ये दात्याचा अवयव प्रत्यारोपणासाठी व्यवहार्य असलेल्या कालावधीत मृत्यू होण्याची शक्यता आहे की नाही हे सांगते.

AI साधनाने उच्च शल्यचिकित्सकांच्या निर्णयाला मागे टाकले आणि निरर्थक खरेदीचे दर कमी केले – जे प्रत्यारोपणाची तयारी सुरू होते परंतु दात्याचा मृत्यू खूप उशीरा होतो – 60% ने कमी केला.

“शस्त्रक्रियेची कोणतीही तयारी सुरू होण्यापूर्वी एखादा अवयव कधी उपयोगी पडेल हे ओळखून, हे मॉडेल प्रत्यारोपणाची प्रक्रिया अधिक कार्यक्षम बनवू शकते,” डॉ कझुनारी सासाकी, उदर प्रत्यारोपणाचे क्लिनिकल प्राध्यापक आणि अभ्यासाचे वरिष्ठ लेखक म्हणाले.

“अवयव प्रत्यारोपणाची आवश्यकता असलेल्या अधिक उमेदवारांना एक प्राप्त करण्याची परवानगी देण्याची क्षमता देखील आहे.”

ब्रेकथ्रूचे तपशील होते लॅन्सेट डिजिटल हेल्थ जर्नलमध्ये प्रकाशित.

आगाऊ घटनांची संख्या कमी करू शकते ज्यामध्ये आरोग्य सेवा कर्मचारी पुनर्प्राप्तीसाठी अवयव तयार करतात, केवळ ते पुनर्प्राप्ती आणि प्रत्यारोपणासाठी अयोग्य आहेत हे निर्धारित करण्यासाठी, प्रत्यारोपण केंद्रांवर आर्थिक आणि ऑपरेशनल ताण पडतो.

या गंभीर कालमर्यादेचा अंदाज घेण्यासाठी रुग्णालये प्रामुख्याने सर्जनच्या निर्णयावर अवलंबून असतात, जी मोठ्या प्रमाणात बदलू शकते आणि अनावश्यक खर्च आणि संसाधने वाया जाऊ शकतात.

नवीन एआय टूलला अनेक यूएस प्रत्यारोपण केंद्रांमधील 2,000 हून अधिक देणगीदारांच्या डेटावर प्रशिक्षण देण्यात आले. हे न्यूरोलॉजिकल, श्वसन आणि रक्ताभिसरण डेटा वापरून संभाव्य दात्याच्या मृत्यूच्या प्रगतीचा अंदाज मागील मॉडेल्स आणि मानवी तज्ञांपेक्षा अधिक अचूकतेने वर्तवते.

सर्जनच्या अंदाजांच्या तुलनेत निरर्थक खरेदीमध्ये 60% घट मिळवून मॉडेलची पूर्वलक्षी आणि संभाव्यतेने चाचणी केली गेली. महत्त्वाचे म्हणजे, काही देणगीदारांची माहिती गहाळ असतानाही ते अचूकता राखते, असे संशोधकांनी सांगितले.

एक विश्वासार्ह, डेटा-चालित साधन हेल्थकेअर कर्मचाऱ्यांना चांगले निर्णय घेण्यास, अवयवांचा वापर ऑप्टिमाइझ करण्यात आणि वाया जाणारे प्रयत्न आणि खर्च कमी करण्यात मदत करू शकते.

हा दृष्टीकोन प्रत्यारोपणाच्या दिशेने एक महत्त्वपूर्ण पाऊल असू शकतो, संशोधन संघाने सांगितले की, “डीसीडी दातांकडून अवयवांचा वापर ऑप्टिमाइझ करण्यासाठी प्रगत AI तंत्राची क्षमता” हायलाइट करते.

पुढे, ते हृदय आणि फुफ्फुस प्रत्यारोपणासह चाचणी करण्यासाठी AI साधन बदलण्याची योजना करतात.