KI-Tools werden getestet, um Spenderherzen zu retten, die Transplantationsteams heute ablehnen

Herztransplantationsteams stehen unter Druck, schneller und besser über Spender zu entscheiden

Künstliche Intelligenz wird als praktisches Werkzeug für eine der zeitkritischsten Entscheidungen in der Medizin positioniert: ob ein Spenderherz angenommen werden soll. Auf der 46. Jahresversammlung der International Society for Heart and Lung Transplantation vorgestellte Forschung argumentiert, dass KI-Systeme Transplantationsprogrammen helfen könnten, derzeit abgelehnte Spenderherzen besser zu nutzen und so möglicherweise den Zugang für Patientinnen und Patienten zu erweitern, die monatelang auf eine Transplantation warten.

Das Problem ist nicht nur der Mangel. Es ist auch ein Problem von Zuordnung und Entscheidung unter massivem Zeitdruck. Laut der in der Quellenbeschreibung zusammengefassten Konferenzpräsentation werden in den USA nur etwa 30 % bis 40 % der verfügbaren Herzen tatsächlich für Transplantationen verwendet. Gleichzeitig ist die Nachfrage hoch genug, dass Patientinnen und Patienten monatelang warten können, manchmal unter lebenserhaltender Behandlung auf der Intensivstation.

Dieses Ungleichgewicht schafft Raum für Entscheidungshilfen. Wenn ein nennenswerter Anteil verworfener Herzen nicht aus unvermeidbaren medizinischen Gründen, sondern zu konservativ abgelehnt wird, könnte besseres Triage-Verfahren Leben retten, ohne den zugrunde liegenden Spenderpool zu verändern.

Warum Entscheidungen über Spenderherzen so schwierig sind

Wenn ein Herz verfügbar wird, haben Transplantationsteams nicht den Luxus einer langen Prüfung. Der Quellentext sagt, dass ein Kardiologe oder Chirurg in der Regel nur 15 bis 30 Minuten hat, um mehrere Variablen abzuwägen, darunter die Krankengeschichte des Spenders, Bildgebung und Laborwerte, und festzustellen, ob das Organ für eine bestimmte Patientin oder einen bestimmten Patienten geeignet ist.

Dieses enge Entscheidungsfenster ist zentral für das Argument zugunsten von KI. Sie wird nicht als Ersatz für klinisches Urteilsvermögen dargestellt, sondern als Möglichkeit, eine große Zahl von Eingaben konsistenter zu synthetisieren, als es ein menschliches Team allein mitten in der Nacht oder unter ICU-ähnlichem Zeitdruck leisten kann. Brian Wayda von der NYU Grossman School of Medicine, der die Arbeit vorstellte, beschrieb dies als Entscheidungen über Leben und Tod unter extremen Zeitbeschränkungen.

In der Transplantationsmedizin hat Inkonsistenz reale Folgen. Unterschiedliche Teams können dasselbe Spenderprofil unterschiedlich bewerten, und die Kosten eines falsch-negativen Befunds sind außergewöhnlich hoch: Ein potenziell nutzbares Herz wird nicht nur zurückgestellt, sondern kann für diesen Empfänger und oft auch insgesamt für die Transplantation aus dem System verloren gehen.

Die neuen Werkzeuge sollen Risiken standardisieren, ohne Kliniker zu ersetzen

Die Konferenzpräsentation stellte mehrere KI-Modelle vor, die diesen Entscheidungsprozess unterstützen sollen. Ein hervorgehobenes Werkzeug ist TOPHAT, kurz für Tool Predicting Heart Acceptance for Transplant. Entwickelt wurde es von Wayda in Zusammenarbeit mit der designierten ISHLT-Präsidentin Kiran Khush von Stanford Health Care. Das webbasierte Modell nutzt 20 Spendermerkmale, um auf Grundlage historischer Daten die Wahrscheinlichkeit zu schätzen, mit der ein Transplantationszentrum ein Spenderherz akzeptiert.

Diese Einordnung ist bemerkenswert. Das Tool wird nicht so beschrieben, dass es ein Herz direkt als sicher oder unsicher einstuft. Stattdessen schätzt es die Annahmewahrscheinlichkeit anhand von Mustern früherer Entscheidungen. In der Praxis könnte es damit sowohl als Prädiktor als auch als Spiegel nützlich sein und zeigen, wann das Bauchgefühl eines Teams deutlich von breiterem historischem Verhalten abweicht.

Der Quellentext betont, dass diese Systeme Risiken synthetisieren und nicht Ärzte ersetzen sollen. Diese Unterscheidung dürfte für die Einführung wichtig sein. In einem so hochriskanten Feld wie der Herztransplantation würden vollautomatische Annahmeentscheidungen auf erheblichen klinischen und ethischen Widerstand stoßen. Entscheidungsunterstützung hingegen lässt sich möglicherweise leichter integrieren, weil die Verantwortung beim Transplantationsteam bleibt.

Die Chance liegt in den Herzen, die womöglich unnötig verloren gehen

Das stärkste Argument für KI in diesem Bereich ergibt sich aus der Lücke zwischen Angebot und Nutzung. Wenn nur 30 % bis 40 % der verfügbaren Herzen transplantiert werden, gibt es wenig Raum für Selbstzufriedenheit. Der Quellentext weist ausdrücklich darauf hin, dass Forschung zeigt, dass nicht alle Spenderherzen gerechtfertigt verworfen werden. Das bedeutet nicht, dass jedes abgelehnte Herz hätte verwendet werden sollen, wohl aber, dass ein Teil des aktuellen Ablehnungsmusters vermeidbar sein könnte.

Für Patientinnen und Patienten auf Wartelisten ist dieser Unterschied nicht akademisch. Jeder vermeidbare Verzicht kann eine verpasste Chance auf Überleben oder Genesung bedeuten. Der Wert von KI liegt hier daher weniger in futuristischer Automatisierung als darin, die Mindestkonsistenz zu erhöhen, besonders wenn Teams unter Zeitdruck mit einer großen und heterogenen Zahl von Spenderprofilen arbeiten müssen.

Sie könnte auch die Unterschiede zwischen Einrichtungen verringern. Manche Zentren sind aggressiver als andere, wenn es um marginale oder komplexe Spender geht. Ein starkes Vorhersagemodell könnte einen gemeinsamen Rahmen für die Risikodiskussion bieten und Entscheidungen datengetriebener machen als heute, wo sie oft von lokaler Praxis, Erfahrung und institutioneller Kultur abhängen.

Wie würde Erfolg aussehen?

Die klarste Erfolgskennzahl wäre einfach: mehr Spenderherzen sicher verwenden. Das Quellmaterial behauptet nicht, dass KI das Problem bereits gelöst hat, und es liefert auch keine belastbaren Outcome-Daten, die eine systemweite Implementierung belegen. Es zeigt aber, dass Ärztinnen, Ärzte und Forschende Werkzeuge speziell für einen Engpass entwickeln, der große Auswirkungen auf den Transplantationszugang hat.

Wenn diese Werkzeuge Teams dabei helfen, akzeptable Herzen zu identifizieren, die derzeit übersehen werden, könnte die Wirkung erheblich sein, ohne dass es eines neuen Durchbruchs bei Organherstellung, Konservierung oder Chirurgie bedarf. In diesem Sinne erinnert die Arbeit daran, dass einige der größten Fortschritte in der Medizin nicht nur aus neuen Therapien entstehen, sondern aus besseren Entscheidungen über die bereits verfügbaren Ressourcen.

Die breitere Botschaft des Transplantationstreffens ist, dass KI im Gesundheitswesen ihre glaubwürdigste Rolle möglicherweise eng und operativ definiert hat. Im Fall des Spenderherzens heißt das, Menschen dabei zu helfen, eine schwierige Entscheidung schneller, konsistenter und mit besserem Verständnis der in historischen Daten verborgenen Muster zu treffen. Angesichts des Ausmaßes des Spenderengpasses und des engen Entscheidungsfensters ist das ein sehr praktisches Ziel.

Dieser Artikel basiert auf einer Berichterstattung von Medical Xpress. Zum Originalartikel.