La herramienta de IA supera a los métodos existentes en la predicción de resultados para pacientes con trasplante de riñón

Una nueva herramienta avanzada de inteligencia artificial (IA), desarrollada por médicos renales a nivel internacional, representa un importante paso adelante en la predicción y potencialmente mejora de los resultados de los pacientes con trasplante de riñón en el Reino Unido.

Para los pacientes con insuficiencia renal en etapa avanzada, un trasplante de riñón puede cambiarles la vida, ofreciendo la promesa de una mejor supervivencia y una mejor calidad de vida en comparación con otras opciones de tratamiento. Pero sólo en el Reino Unido, alrededor de 5.000 personas están en lista de espera para un trasplante de riñón, con un tiempo de espera promedio de dos a tres años para un órgano de un donante fallecido.

Un equipo de expertos de hospitales de EE. UU. y el Reino Unido ha creado un nuevo software que, en última instancia, podría allanar el camino para políticas actualizadas de asignación de riñones, lo que podría conducir a mejores resultados para los pacientes y a un uso más eficiente de este valioso recurso.

La herramienta, titulada «Predicción del resultado del trasplante de riñón de donante fallecido en el Reino Unido» (UK-DTOP), utiliza IA avanzada. Se desarrolló utilizando datos de casi 30.000 casos de trasplantes a lo largo de 15 años.

El Dr. Hatem Ali, especialista renal de los Hospitales Universitarios de Coventry y Warwickshire NHS Trust, dirige un nuevo estudio para informar sobre las capacidades de la herramienta en la revista. Insuficiencia renal.

Explica cómo su equipo de investigación cree que el modelo «promete cambiar las reglas del juego en el trasplante de riñón».

«El UK-DTOP ofrece esperanzas de una asignación de órganos más eficiente y mejores resultados para los pacientes que los necesitan», afirma el Dr. Ali.

«Al aprovechar el poder de la IA y el aprendizaje automático, hemos creado un sistema de apoyo a la toma de decisiones más preciso y confiable, que podría conducir a una mejor selección de donantes, estrategias de trasplante y, en última instancia, mejores resultados para los pacientes con trasplante de riñón».

«Como autor de este estudio, estoy entusiasmado con los impactos potenciales de la herramienta UK-DTOP en el trasplante de riñón. Este modelo habilitado por IA mejora nuestras capacidades predictivas y ayuda a refinar nuestro enfoque para la compatibilidad entre donante y receptor.

«Al mejorar la forma en que asignamos los órganos, podemos garantizar mejores resultados para los receptores de trasplantes. Tengo la esperanza de que esta herramienta sea adoptada a nivel mundial, lo que conducirá a avances significativos en la atención al paciente y el uso eficiente de recursos de salud críticos».

Un trasplante de riñón conlleva riesgos inherentes y, dado que la demanda de órganos supera con creces la oferta, es crucial garantizar que cada riñón donado se utilice de la manera más eficaz.

Sin embargo, los modelos predictivos existentes, como el ampliamente utilizado Índice de riesgo del donante de riñón (KDRI), han mostrado limitaciones a la hora de pronosticar con precisión los resultados de los pacientes, lo que destaca la necesidad urgente de herramientas más sofisticadas que puedan guiar mejor la toma de decisiones clínicas.

Utilizando los datos de 29.713 casos de trasplante registrados en el Registro de Trasplantes del Reino Unido (UKTR) entre 2008 y 2022, el equipo de expertos evaluó el rendimiento predictivo de tres técnicas avanzadas de aprendizaje automático, considerando diversos factores del donante, el receptor y el trasplante.

El UK-DTOP surgió como el modelo superior con un poder predictivo de 0,74, superando significativamente al KDRI (0,57) y a su homólogo del Reino Unido, el UK-KDRI (0,62).

«El UK-DTOP es una herramienta versátil para evaluar los resultados del trasplante de riñón de donante fallecido. Refina la toma de decisiones previa al trasplante al mismo tiempo que reconoce que la decisión final de aceptar un órgano recae en el receptor y su tolerancia al riesgo», añade el coautor Dr. Miklos Molnar, de la División de Nefrología e Hipertensión de la Universidad de Utah.

«Nuestros hallazgos abogan por un cambio hacia la adopción de herramientas avanzadas basadas en datos en los sistemas de atención médica de todo el mundo, revolucionando potencialmente la compatibilidad entre donantes y receptores y la asignación de órganos, mejorando las tasas de éxito de los trasplantes y salvando vidas».

Los investigadores también utilizaron técnicas de aprendizaje automático no supervisadas para identificar cinco grupos distintos de pacientes con trasplante de riñón con diferentes tasas de supervivencia. En última instancia, este enfoque podría permitir evaluaciones de riesgos más personalizadas para informar las decisiones sobre si proceder o no con un trasplante.

Si bien el UK-DTOP representa un avance significativo, el equipo también reconoce que este sistema de apoyo a la toma de decisiones tiene ciertas limitaciones que podrían afectar sus predicciones. Estos incluyen la variabilidad en los datos reportados, la falta de información sobre algunas características de los donantes y la ausencia de ciertos factores que puedan influir en los resultados a largo plazo, como anticuerpos específicos y ciertos marcadores biológicos.