Neuralt netværk sættes ind ved hjertetransplantationer

Forskere ved Lunds Universitet og Skånes Universitetshospital bruger avancerede computermodeller baseret på neurale netværk til at beregne, hvilke hjertepatienter der bedst kombineres med et donorhjerte.

»Det, vi har udviklet, er et støtteværktøj til de læger, som skal tage beslutningen om en hjertetransplantation,« fortæller Johan Nilsson der er læge og lektor på afdelingen for hjertekirurgi på Lunds Universitetshospital.

Mange variable afgører, hvem der får hjertet

Når et hjerte bliver tilgængeligt til transplantation, vil læger og fysiologer forsøge at finde det bedste match ud fra en række variable som vægt, køn, alder, blodtype. Oven i det kommer en lang række risikofaktorer, som efter transplantationen har betydning for patientens overlevelse. Det skal gå hurtigt, for selv om der normalt ikke er mange egnede kandidater, så er det vigtigt at vælge det rigtige hjerte.

Ved at bruge et neuralt netværk, som er oplært med data fra tidligere patienter, er forskerne nu i stand til hurtigere og bedre at beregne, hvor godt et hjerte passer til en patient og dermed reducere risikofaktorerne:

»Når man får et hjerte ind, kan modellen beregne, hvilke af de patienter der stå på venteliste, som er bedst egnede til det aktuelle hjerte. Vi har vist, at perspektivet for overlevelse over en femårig periode ville være 5-10 procent højere i forhold til de, som bliver udvalgt med de kriterier, der bruges i dag,« forklarer Johan Nilsson.

Netværk oplært med 50.000 historiske transplantationer

Computermodellen, som også kaldes et Artificial Neural Network (ANN), er baseret på det amerikanske matematik-program Mathworks, hvor forskerne trækker på specielle programpakker, hvor det blandt andet er muligt at opbygge neurale netværk.

»At være i stand til at analysere enorme mængde data meget hurtigt hjælper os til at opbygge og bruge vores modeller hurtigt,« siger Johan Nilsson. Data til netværket kommer fra to store internationale databaser: the International Society for Heart and Lung Transplantation og the Nordic Transplantation Database.

Ved at sammenligne de virkelige resultater fra 10.000 patienter, som ikke var en del af netværkets træningsdata, har forskere kunnet verificere modellens resultater set i lyset af overlevelsesrater.

I næste step har forskeren rangeret 57 kendte risikofaktorer med betydning for overlevelsesraten og på den baggrund udviklet en automatisk proces, som kan rangere de bedste kandidater på ventelisten til et donorhjerte.

Færre hjerter går til spilde

Fordi lægerne ikke altid er sikre på, at et hjerte nu også er egnet til en patient, bliver en tredjedel af donorhjerterne ikke brugt. Der er nemlig den risikofaktor, at hvis man kommer til at indoperere et hjerte, som alligevel ikke var egnet, så kan man ikke gøre det om, som Johan Nilsson forklarer. Men med de svenske resultater vil lægerne kunne vælge mere sikkert en langt flere tilfælde.

»Resultatet viser, at ANN-modellen vil kan øge antallet af transplantationer med helt op til 30 procent sammenlignet med brugen af traditionelle udvælgelseskriterier,« siger Johan Nilsson.

Endnu er netværket ikke blevet afprøvet til en virkelig transplantation.

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først

Der findes mange forskellige klassificerings-metoder som ofte klumpes ind under titlen "Neurale Netværk". Alle kan sikkert implementeres i Mathworks - med større eller mindre bevær - men nogle metoder er bedre funderet end andre og andre passer bedst til bestemte opgaver.

Derfor er det mere interessant at vide hvilken metode der er brugt (når nu artiklen ikke linker til papiret) snarere end hvilke programmerings-værktøjer der er brugt.

  • 0
  • 0
Bidrag med din viden – log ind og deltag i debatten