心脏移植团队正承受压力，需要更快、更好地做出供体决策
人工智能正被定位为医学中最讲求时效的决策之一的实用工具：是否接受一颗捐献心脏。国际心肺移植学会第 46 届年会上展示的研究认为，AI 系统可以帮助移植项目更好地利用当前被拒绝的捐献心脏，从而有可能扩大那些等待移植数月患者的可及性。
问题并不只是供体短缺，也涉及在高度时间压力下的匹配与决策。根据来源文本所概述的会议报告，在美国出现的心脏中，只有大约 30% 到 40% 真正被用于移植。与此同时，需求高到患者可能需要等待数月，有时还得在重症监护中依赖生命支持设备维持。
这种失衡为决策支持工具打开了空间。如果相当一部分被弃用的心脏并非因不可避免的医学原因而被拒绝，而是因为标准过于保守，那么更好的分诊就可能在不改变供体来源总量的情况下挽救生命。
为什么供体心脏的决定如此困难
当一颗心脏可供移植时，移植团队没有充裕的时间进行长时间审查。来源文本称，心脏科医生或外科医生通常只有 15 到 30 分钟来权衡多项变量，包括供体的病史、影像学检查和实验室结果，并判断该器官是否适合特定患者。
这一被压缩的决策窗口，正是 AI 具备说服力的核心。它并不被描述为取代临床判断，而是作为一种方式，在深夜或 ICU 级别紧急状态下，更一致地整合大量输入信息，而不是完全依赖人类团队单独处理。NYU Grossman 医学院的 Brian Wayda 在展示这项工作时，将其描述为在极端时间约束下作出的生死决策。
在移植医学中，不一致会带来真实后果。不同团队可能会对同一份供体资料作出不同评估，而假阴性的代价尤其高：一颗本可使用的心脏不仅会被暂缓采用，还可能对该受者、甚至对整个移植系统而言完全失去机会。
新工具旨在标准化风险，但不取代临床医生
会议展示概述了几种旨在支持这一决策过程的 AI 模型。其中一个重点工具是 TOPHAT，全称为 Tool Predicting Heart Acceptance for Transplant。该工具由 Wayda 与斯坦福医疗中心当选主席 Kiran Khush 合作开发，是一个基于网络的模型，使用 20 项供体特征，根据历史数据估算移植中心接受供体心脏的概率。
这种设定值得注意。该工具并不是被描述为直接判定一颗心脏安全或不安全，而是利用过往决策中的模式来估算接受概率。实际上，这既可以作为预测器，也可以作为一面镜子，显示某个团队的直觉何时与更广泛的历史行为明显偏离。
来源文本强调，这些系统的意图是整合风险，而不是取代医生。这一区分很可能影响其落地。在心脏移植这样高风险的领域，完全自动化的接受决策会面临强烈的临床和伦理阻力。相比之下，决策支持可能更容易融入流程，因为责任仍然由移植团队承担。
真正的机会在于那些可能被不必要丢弃的心脏
AI 在这一场景中最有力的论据，来自供给与使用之间的差距。如果只有 30% 到 40% 的可用心脏最终被移植，那么显然没有理由自满。来源文本明确指出，研究表明并非所有供体心脏的弃用都是合理的。这并不意味着每一颗被拒绝的心脏都本应被使用，但这确实说明，当前的拒绝模式中可能存在一部分是可以避免的。
对于正在等待移植名单上的患者来说，这种区别绝非学术问题。每一次本可避免的弃用，都可能意味着一次生存或康复机会的流失。因此，这里的 AI 价值，与其说是未来式的自动化，不如说是提升一致性，尤其是在团队必须快速处理大量且差异很大的供体资料时。
它也可能减少不同机构之间的差异。一些中心在接受边缘供体或复杂供体方面更为积极，而另一些则更为保守。强有力的预测模型可以为风险讨论提供共同框架，使当前更多依赖本地习惯、经验和机构文化的决策，变得更数据驱动。
什么才算成功？
最清晰的成功标准很简单：在安全前提下使用更多捐献心脏。来源材料并未声称 AI 已经解决了这个问题，也没有提供足以证明系统范围部署效果的最终结果数据。它所展示的是，临床医生和研究人员正围绕一个对移植可及性有重大影响的瓶颈开发专门工具。
如果这些工具能帮助团队识别那些本可接受、但目前被忽视的心脏，其影响可能相当可观，而且无需在器官生成、保存或手术方面取得新的突破。从这个意义上说，这项工作提醒人们，医学中的一些最大进步并不只来自新疗法，也来自对现有资源作出更好的决策。
这次移植会议传递出的更广泛信息是，AI 在医疗中的最可信角色，可能是狭义且偏运营层面的。在供体心脏场景中，这意味着帮助人类更快、更一致地做出困难决定，并更好地理解历史数据中隐藏的模式。考虑到供体短缺的规模和极其有限的决策窗口，这是一项高度务实的目标。
本文根据 Medical Xpress 的报道改写。阅读原文。
Originally published on medicalxpress.com
