Para as pessoas que sofrem de doenças renais crônicas, o transplante de rim é uma opção efetiva para a cura. O procedimento é consideravelmente barato e traz benefícios significativos ao paciente. O órgão é proveniente de uma pessoa falecida, e deve antes ser avaliado em relação ao potencial risco de falência após o transplante. Atualmente, este risco é mensurado pelo índice de risco do doador de rim (KDRI, kidney donor risk index), que combina fatores como a idade, a altura, o peso, a etnicidade, histórico de hipertensão e diabetes, níveis de creatina no soro sanguíneo e causa da morte.
No ano passado, pesquisadores da empresa HealthTech Solutions apresentaram, no Congresso Americano de Transplante, um método alternativo, baseado em inteligência artificial, para avaliar o risco de falência do órgão transplantado. O modelo, um ensemble de árvores de decisão, foi comparado com o método KDRI na predição da falência após 12, 24 e 36 meses do trasplante. Em todos os cenários, o algoritmo performou significativamente melhor que o método tradicional. Para uma taxa fixa de erro de predição de 10%, o modelo foi capaz de prever 126% mais casos de transplante bem sucedido.
Agora, com base no conceito, a empresa canadense Xtract Techonologies acaba de iniciar um programa expandindo a iniciativa, através do projeto Deep Learning for Enhancing Organ Donation Rates (deep learning para melhorar a taxa de doação de órgãos). A principal motivação é resolver um problema percebido ao longo dos últimos anos: apesar de o número de doadores ter aumentado, a taxa de transplantes bem sucedidos não seguiu esta tendência. A empresa quer desenvolver uma ferramenta de inteligência artificial capaz de padronizar a avaliação do estado do órgão para auxiliar na decisão de sua retirada, assim como empoderar os recipientes no que concerne a aceitar um órgão disponível ou continuar esperando na fila por uma compatibilidade maior.
O modelo a ser desenvolvido será um sistema de deep learning semi-automatizado com a tarefa de encontrar a melhor correspondência entre doador e recipiente para o transplante de rim. O treinamento será realizado com dados disponíveis publicamente. Junto com as informações referentes ao tempo de espera na fila de doação, a ferramenta vai ajudar os pacientes a decidir sobre os próximos passos de seu tratamento.
A Xtract Technologies está confiante que os modelos baseados em deep learning serão suficientemente generalizáveis para melhorar o processo todo, e que num futuro próximo outros órgãos possam ser contemplados.
