La Inteligencia Artificial le echa una mano a los trasplantes hepáticos

El grupo de investigación Minerva, perteneciente a la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla (US), junto con las unidades de Cirugía de los hospitales universitarios Virgen Macarena y Virgen del Rocío, han publicado un estudio mediante el cual se plantea un método que ayuda a mejorar los trasplantes hepáticos mediante la aplicación de la Inteligencia Artificial (IA).

Este estudio es el resultado de casi dos años de trabajo centrados en el desarrollo de una herramienta que apoya al cirujano responsable de la donación hepática en la toma de decisiones, a la hora de aceptar o rechazar un injerto, utilizando para esto una serie de variables iniciales disponibles, según informa la US en una nota de prensa.

El sistema desarrollado ha sido entrenado con los datos correspondientes a 350 trasplantes hepáticos mediante técnicas de IA, lo que ha permitido construir un modelo de predicción con la técnica de aprendizaje automático. Este sistema hace uso de un clasificador 'boosting', basado en árboles de decisión, capaz de ayudar a aceptar o rechazar un injerto hepático del donante.

Un órgano adecuado para el trasplante o no

Este modelo, por lo general, proporciona una clasificación en relación a si el órgano es adecuado o no para el trasplante, junto con un índice de confianza de fiabilidad, lo que indique qué tan buena es dicha clasificación. Mediante esta investigación se ha conseguido entrenar un modelo que arroja una probabilidad de acierto en la predicción superior al 85%. Además, el propio sistema posee la capacidad de mejorar la tasa de predicciones correctas. Estas predicciones satisfactorias pueden aumentar mediante la introducción de nuevos datos.

El equipo de investigación de este trabajo concluye con la idea de que la IA y el big data necesitan la colaboración de la comunidad quirúrgica para avanzar, ya que los sistemas aprenden y mejoran a medida que analizan más datos. La creación de grandes bases de datos que incluyan el mayor número posible de pacientes es necesaria para implementar herramientas como la que presentan.