Cirka 40 svenskar står i kö för att få nytt hjärta inopererat. När ett hjärta plötsligt kommer in, väljer läkaren mest lämpade mottagare utifrån ett antal kriterier. Men om istället en ”upplärd” dator får välja blir urvalet ett annat – och den förväntade genomsnittliga överlevnaden kan öka med ett år. Målet är att denna snabbtänkta hjärträknare ska komma att användas som ett kompletterande beslutsstöd till läkare.

– Idag tar läkare ställning till ett tiotal kriterier såsom ålder, blodgrupp och vikt. Vår algoritm analyserar 267 möjliga variabler och ser samband och mönster som för en människa kan vara svåra, och ibland omöjliga, att uppräcka, säger Dennis Medved som nyligen disputerade i datavetenskap vid LTH och där hans hjärthjälpande beslutsmodell också presenterades.

Programmet är byggt som ett neutralt nätverk. Sådana efterliknar den mänskliga hjärnan vars nervceller är uppbyggda i komplexa nätverk. Finessen med neuronnätverk är att de möjliggör maskininlärning, det vill säga att datorn kan lära sig själv och bli smartare efter hand. Ju mer råmaterial programmet kan sätta tänderna i och bekanta sig med, desto bättre blir den på att snabbt se mönster och dra slutsatser.

I Sverige står cirka 40 personer i kö för ett nytt hjärta och omkring 60 hjärttransplantationer utförs varje år. Idag används bara cirka 30-50 procent av de erbjudna organen.

– Användandet av en sådan här modell som vi har utvecklat skulle kunna möjliggöra användandet av fler donatorshjärtan utan att öka risken för patienterna.

I sin forskning har Dennis Medved utgått från amerikanska databaser. Principerna för urval är liknande i Sverige och i USA. Tillsammans med sina kollegor i Lund har han visat att i ett simulerat kö-system, så skulle den förväntade medianöverlevnaden kunna förlängas med ungefär 400 dagar med den nyutvecklade metoden, jämfört med en enkel prioriteringsmodell.

Går det då att säga att överlevnaden blir bättre om artificiell intelligens får välja organmottagare?

– Det är för tidigt att säga. För att göra ett sådant påstående krävs randomiserade kliniska studier, men mycket talar för det. Det vi har gjort är en typ av registerstudie, där vi har kunnat visa att den förväntade överlevnaden skulle kunna öka med ett år. Det är dock inte samma som att det i realiteten kommer att bli så.

Efter årsskiftet hoppas Dennis Medved kunna ta klivet från institutionen i datavetenskap vid LTH till den medicinska fakulteten vid Lunds universitet för att fortsätta sin forskning.

Det verktyg som Dennis Medved utvecklat har tagit avstamp i en mjukvara, IHTSA, som Johan Nilsson, adjungerad professor i thoraxkirurgi med särskild inriktning mot thoraxtransplantation, och andra kollegor har utvecklat.

– I princip har vi återanvänt ursprungsidén från IHTSA. Arbetet har landat i en mer avancerad variant med fler invariabler, en mer modern arkitektur och djupare nätverk. Vad vi vet, finns idag inte någon maskininlärningsalgoritm för att prioritera patienter på väntelistan för hjärttransplantation.