Nierentransplantation: Neues KI-Tool könnte die Prognosen für Patienten verbessern

Forscher aus dem Vereinigten Königreich und den USA haben ein KI-Tool entwickelt, dass nach eigenen Angaben bei Nierentransplantationspatienten zu einer verbesserten Spenderauswahl und zu besseren Transplantationsstrategien führt.

Eine Nierentransplantation ist mit Risiken verbunden, und da die Nachfrage nach Organen das Angebot bei weitem übersteigt, muss sichergestellt werden, dass jede gespendete Niere auf die effektivste Weise verwendet wird. Bestehende Prognosemodelle, wie der weit verbreitete Kidney Donor Risk Index (KDRI), hätten jedoch gezeigt, dass die Ergebnisse für die Patienten nur begrenzt genau vorhergesagt werden können, schreiben die Autoren. Dies unterstreiche den dringenden Bedarf an präziseren Instrumenten, die die klinische Entscheidungsfindung besser unterstützen können, heißt es weiter.

Die Forscher entwickelten daher ein neues Modell: das UK Deceased Donor Kidney Transplant Outcome Prediction (UK-DTOP). Die Ergebnisse der Studie, die von Dr. Hatem Ali, Vereinigtes Königreich geleitet wurde, wurden in der Fachzeitschrift „Renal Failure“ veröffentlicht.

Neues Modell UK-DTOP

Anhand der Daten von 29.713 Transplantationsfällen, die zwischen 2008 und 2022 im britischen Transplantationsregister erfasst wurden, bewerteten die Wissenschaftler die Vorhersagekraft von drei maschinellen Lernverfahren unter Berücksichtigung verschiedener Spender-, Empfänger- und Transplantationsfaktoren.

Das UK-DTOP-Modell erwies sich dabei nach Angaben der Forscher mit einer Vorhersagekraft von 0,74 als das beste Modell, denn es übertraf damit das Modell KDRI (0,57) und das Modell UK-KDRI (0,62). „UK-DTOP verfeinert die Entscheidungsfindung vor der Transplantation und erkennt gleichzeitig an, dass die endgültige Entscheidung über die Annahme eines Organs beim Empfänger und seiner Risikotoleranz liegt“, kommentiert Co-Autor Dr. Miklos Molnar, USA.

Einschränkungen der Studie

Obwohl UK-DTOP einen bedeutenden Fortschritt darstelle, räumt das Team auch ein, dass dieses System Einschränkungen aufweist, die seine Vorhersagen beeinträchtigen könnten. Dazu gehören die Variabilität der gemeldeten Daten, fehlende Informationen zu einigen Spendermerkmalen und das Fehlen bestimmter Faktoren, die die Langzeitergebnisse beeinflussen können, wie z. B. spezifische Antikörper und bestimmte biologische Marker. Weitere Studien sind erforderlich, betonen die Autoren abschließend.