共计 677 个字符，预计需要花费 2 分钟才能阅读完成。
全球数千名患者正等待挽救生命的器官捐赠，但可用器官数量远低于需求。特别是在肝脏移植领域，尽管通过心脏骤停后死亡的捐赠者扩大了器官来源，约一半的循环死亡后捐赠（DCD）案例中，移植最终被取消。这是因为从移除生命支持到死亡的时间不得超过 45 分钟，否则外科医生通常会拒绝使用肝脏，以免增加接受者并发症的风险。
斯坦福大学的医生、科学家和研究人员开发了一种机器学习模型，能够预测捐赠者是否可能在其器官适合移植的时间范围内死亡。这一 AI 工具的表现优于顶级外科医生的判断，并将无效获取率（即移植准备工作已开始但捐赠者死亡时间过晚的情况）降低了 60%。
- 
“通过在手术准备开始之前识别器官是否可能有用，该模型可以使移植过程更加高效，”腹部移植临床教授、该研究的资深作者 Kazunari Sasaki 博士表示。“它还有可能让更多需要器官移植的候选者获得器官。”
这一突破的详细信息已发表在《柳叶刀数字健康》期刊上。新的 AI 工具基于美国多个移植中心的 2000 多名捐赠者的数据进行训练，使用神经、呼吸和循环数据来预测潜在捐赠者的死亡进程，其准确性高于之前的模型和人类专家。
该模型经过回顾性和前瞻性测试，与外科医生的预测相比，将无效获取率降低了 60%。研究人员表示，即使在某些捐赠者信息缺失的情况下，该模型仍能保持准确性。这一可靠的、数据驱动的工具可以帮助医疗工作者做出更好的决策，优化器官使用，减少浪费和成本。
研究团队表示，这种方法可能是移植领域的重要进步，并强调了“先进 AI 技术在优化 DCD 捐赠者器官利用方面的潜力”。接下来，他们计划对该 AI 工具进行调整，以用于心脏和肺移植的试验。
