Bristen på organ för transplantation är stor och detta gäller inte minst hjärtan, där kvalitet och ålder på det donerade organet är extra viktigt. Endast 30 procent av alla donerade hjärtan uppfyller alla krav och leder till transplantation. Artificiell intelligens skulle kunna användas till att matcha och fördela donerade organ på ett bättre sätt som leder till fler transplantationer och längre överlevnad.

När telefonen plötsligt ringer om att det finns ett donerat hjärta börjar ansvarig läkare med att kontrollera om det finns någon lämplig mottagare på väntelistan. Ett antal kriterier måste vara uppfyllda såsom rätt blodgrupp och rätt kroppsstorlek. Hjärtats kvalitet är givetvis viktig och påverkas i första hand av ålder men kontrolleras även med ultraljud och blodprov. Det är även önskvärt att donatorn är av samma kön som mottagaren. Om det finns två likvärdiga kandidater avgör väntetiden eller eventuella prioriteringar på väntelistan.

– Dessa relativt få faktorer kan kombineras på hundratusentals olika sätt. Här skulle AI:n kunna nyttjas till att rangordna patienter som finns på väntelistan på ett bättre och mer objektivt sätt, säger Johan Nilsson. Han är forskare vid Lunds universitet, överläkare vid Skånes universitetssjukhus och ansvarig för hjärttransplantationsverksamheten i Lund.

Sverige är indelat i tre olika donationsområden med separata väntelistor vilket inte är optimalt enligt Johan Nilsson. I dag matchas ett donerat organ i förstahand mot den egna väntelistan och först om ingen mottagare hittas går frågan ut nationellt. Det leder bland annat till olika långa väntelistor. En gemensam nationell väntelista skulle göra systemet mer rättvist, ge ett större utbud av organ och därmed öka chanserna till bättre matchning. Men i praktiken skulle det bli ännu svårare att manuellt hålla ordning på alla patienter och deras parametrar i en nationell lista.

– Ett AI-system skulle kunna plocka fram de tio mest lämpade från listan och rangordna dem. Erbjudandet ges sedan till den som står överst på listan, oavsett var i landet patienten bor.

Nationell väntelista

Hjärttransplantationsverksamheten i Lund planerar tillsammans med Västra transplantationsenheten på Sahlgrenska i Göteborg, den andra av två enheter som utför hjärttransplantationer, att skapa en nationell väntelista där matchning och rangordning tas fram med hjälp av en algoritm. Om allt går enligt plan kommer det utföras simuleringar under 2022 för att testa modellen och faller det väl ut implementeras den 2023.

Transplantationer i siffror (källa: Socialstyrelse)

I Sverige transplanteras drygt 800 organ och 1 300 vävnader per år och varje år dör 30–50 personer i väntan på organtransplantation.

Under 2020 transplanterades 429 njurar, 172 levrar, 54 hjärtan, 51 lungor och 13 bukspottkörtlar.

Johan Nilsson menar att det finns flera vinster med ett sådant system. Förutom att det leder till bättre matchning så undviks samtidigt mindre bra matchningar, något som kan hända då en läkare chansar kring en patient på den egna, lokala listan. Och tvärtom också, att en läkare vågar tacka ja till ett alternativ om hen får ett beslutsstöd från AI:n. Dessutom kommer man bort från den subjektiva biten i urvalsprocessen.

– Det är lätt att bli påverkad av patienternas remitterande läkare som givetvis har rätt att lyfta sina patienters svåra situation. Men det kan leda till en subjektiv bedömning som skulle kunna undvikas om rangordningen tas fram med AI .

Johan Nilsson har varit med och utvecklat en algoritm för hjärttransplantationer. Den har tränats på data från en internationell databas och beräknar förväntad överlevnadstid utifrån donatorns och mottagarens riskprofil.

– Nackdelen har varit att den bara tittade på hur det går efter transplantation, inte inför, för dem som står på väntelistan.

Bäst för hela gruppen

Verktyget utvecklades vidare av Dennis Medved, då forskarstuderade, genom att lägga till riskfaktorer inför transplantation och även göra en optimering för en helhetsbedömning av vad som var bäst för hela gruppen. En patient med hög risk att avlida i väntan på ett nytt organ men som förväntades leva länge efter transplantation gavs hög prioritering medan en patient som uppskattades kunna vänta i flera år på ett nytt organ men som ändå inte förväntades leva länge med det nya organet hamnar långt ner på prioriteringslistan. I simulerade försök kunde forskarna visa att metoden ökade den totala överlevnaden i gruppen och minimerade dödligheten på väntelistan.

– Tyvärr innehåller den för många parametrar vilket gör det svårt att förklara hur den fungerar och fattar sina beslut. Det blir som en svart låda som läkare inte vågar lita på.

Det här sätter fingret på ett allt vanligare problem och vikten av så kallad ”explainable AI”. Med det menas att användaren måste kunna förstå hur en sådan modell fungerar och vilka data den har tränats på för att våga lita på de förslag den ger.

– Det är viktigt att systemet lärs upp med bra data så att vi inte bygger in så kallad ”bias” (ung. partiskhet eller fördom, red. anm.) Det skulle kunna leda till att vissa grupper missgynnas eller diskrimineras. Därför är det viktigt att tänka till före och testa modellerna med ordentliga simuleringar innan de implementeras i sjukvården, säger Johan Nilsson.

Explainable AI

Att stå på en väntelista för transplantation utan att veta hur länge det blir upplevs givetvis som jobbigt. Ett verktyg som kunde förutsäga väntetiden hade kunnat göra väntetiden mer hanterlig.

Johan Nilsson och hans forskarlag utför just nu en studie i samarbete med kollegor i England. De testar en prediktionsmodell som lärs upp med artificiella neurala nätverk. Verktyget ska göras begripligt, ”explainable”; genom att jämföra med en gammal manuell teknik och visa att samma indata ger samma resultat med båda teknikerna. Vinsten med den AI-baserade modellen är bland annat att den förväntas göra en mer individuell bedömning utifrån ett stort antal riskfaktorer.

Text: EVA BARTONEK ROXÅ