కొత్త AI సాధనం అవయవాలను మార్పిడి చేయడానికి వృధా ప్రయత్నాలను 60% తగ్గించగలదు | అవయవ దానం

అవయవాలను మార్పిడి చేయడానికి వృధా ప్రయత్నాలను 60% తగ్గించగల AI సాధనాన్ని వైద్యులు అభివృద్ధి చేశారు.

ప్రపంచవ్యాప్తంగా వేలాది మంది రోగులు ప్రాణాలను రక్షించే దాత కోసం ఎదురు చూస్తున్నారు మరియు అందుబాటులో ఉన్న అవయవాల కంటే ఎక్కువ మంది అభ్యర్థులు వెయిటింగ్ లిస్ట్‌లలో చిక్కుకున్నారు.

ఇటీవల, ప్రజలకు కాలేయ మార్పిడి అవసరమయ్యే సందర్భాల్లో, గుండె ఆగిపోయిన తర్వాత మరణించిన దాతలను ఉపయోగించడం ద్వారా యాక్సెస్ విస్తరించబడింది. అయినప్పటికీ, రక్తప్రసరణ మరణం (DCD) కేసుల తర్వాత ఈ విరాళాలలో దాదాపు సగం మందిలో, మార్పిడి రద్దు చేయబడుతుంది.

ఎందుకంటే లైఫ్ సపోర్ట్ మరియు డెత్ మధ్య సమయం 45 నిమిషాలకు మించకూడదు. అవయవ నాణ్యతను సంరక్షించడానికి అవసరమైన సమయ వ్యవధిలో దాత చనిపోకపోతే, గ్రహీతకు సమస్యలు వచ్చే ప్రమాదం ఎక్కువగా ఉన్నందున సర్జన్లు తరచుగా కాలేయాన్ని తిరస్కరిస్తారు.

ఇప్పుడు స్టాన్‌ఫోర్డ్ యూనివర్శిటీలోని వైద్యులు, శాస్త్రవేత్తలు మరియు పరిశోధకులు ఒక మెషీన్ లెర్నింగ్ మోడల్‌ను అభివృద్ధి చేశారు, ఇది ఒక దాత వారి అవయవాలు మార్పిడికి అనుకూలంగా ఉండే సమయ వ్యవధిలో చనిపోయే అవకాశం ఉందో లేదో అంచనా వేసింది.

AI సాధనం టాప్ సర్జన్ల తీర్పును అధిగమించింది మరియు నిష్ఫలమైన కొనుగోళ్ల రేటును తగ్గించింది – ఇది మార్పిడి సన్నాహాలు ప్రారంభించినప్పుడు సంభవిస్తుంది, కానీ దాత చాలా ఆలస్యంగా మరణిస్తాడు – 60%.

“శస్త్రచికిత్సకు సన్నాహాలు ప్రారంభించే ముందు ఒక అవయవం ఎప్పుడు ఉపయోగపడుతుందో గుర్తించడం ద్వారా, ఈ మోడల్ మార్పిడి ప్రక్రియను మరింత సమర్థవంతంగా చేయగలదు” అని ఉదర మార్పిడి యొక్క క్లినికల్ ప్రొఫెసర్ మరియు అధ్యయనంపై సీనియర్ రచయిత డాక్టర్ కజునారి ససాకి అన్నారు.

“అవయవ మార్పిడి అవసరమయ్యే ఎక్కువ మంది అభ్యర్థులను ఒకదాన్ని స్వీకరించడానికి అనుమతించే అవకాశం కూడా ఉంది.”

పురోగతికి సంబంధించిన వివరాలు ఇలా ఉన్నాయి లాన్సెట్ డిజిటల్ హెల్త్ జర్నల్‌లో ప్రచురించబడింది.

ముందస్తుగా ఆరోగ్య సంరక్షణ కార్మికులు రికవరీ కోసం అవయవాలను సిద్ధం చేసే సందర్భాల సంఖ్యను తగ్గించవచ్చు, అవి రికవరీ మరియు ట్రాన్స్‌ప్లాంటేషన్‌కు అనువుగా ఉన్నాయని నిర్ధారించడానికి, మార్పిడి కేంద్రాలపై ఆర్థిక మరియు కార్యాచరణ ఒత్తిడిని కలిగిస్తుంది.

ఆసుపత్రులు ప్రాథమికంగా ఈ క్లిష్టమైన కాలపరిమితిని అంచనా వేయడానికి సర్జన్ల తీర్పుపై ఆధారపడతాయి, ఇది విస్తృతంగా మారవచ్చు మరియు అనవసరమైన ఖర్చులు మరియు వృధా వనరులకు దారి తీస్తుంది.

కొత్త AI సాధనం అనేక US మార్పిడి కేంద్రాలలో 2,000 కంటే ఎక్కువ మంది దాతల నుండి డేటాపై శిక్షణ పొందింది. ఇది మునుపటి నమూనాలు మరియు మానవ నిపుణుల కంటే ఎక్కువ ఖచ్చితత్వంతో మరణానికి సంభావ్య దాత యొక్క పురోగతిని అంచనా వేయడానికి న్యూరోలాజికల్, రెస్పిరేటరీ మరియు సర్క్యులేటరీ డేటాను ఉపయోగిస్తుంది.

సర్జన్ల అంచనాలతో పోల్చితే నిష్ఫలమైన కొనుగోళ్లలో 60% తగ్గింపును సాధించడం ద్వారా మోడల్ పునరాలోచనలో మరియు భావిప్రాయంగా పరీక్షించబడింది. ముఖ్యంగా, కొంత దాత సమాచారం తప్పిపోయినప్పుడు కూడా ఇది ఖచ్చితత్వాన్ని నిర్వహిస్తుందని పరిశోధకులు తెలిపారు.

విశ్వసనీయమైన, డేటా-ఆధారిత సాధనం ఆరోగ్య సంరక్షణ సిబ్బందికి మెరుగైన నిర్ణయాలు తీసుకోవడం, అవయవ వినియోగాన్ని ఆప్టిమైజ్ చేయడం మరియు వృధా ప్రయత్నాలు మరియు ఖర్చులను తగ్గించడంలో సహాయపడుతుంది.

మార్పిడిలో ఈ విధానం ఒక ముఖ్యమైన ముందడుగు కావచ్చు, “DCD దాతల నుండి అవయవ వినియోగాన్ని ఆప్టిమైజ్ చేయడానికి అధునాతన AI సాంకేతికతలకు సంభావ్యతను” హైలైట్ చేస్తూ పరిశోధనా బృందం తెలిపింది.

తరువాత, వారు గుండె మరియు ఊపిరితిత్తుల మార్పిడితో AI సాధనాన్ని ట్రయల్ చేయడానికి మార్చాలని ప్లాన్ చేస్తున్నారు.