Cadenas de donantes de órganos. El buen samaritano y la IA

La inteligencia artificial (IA) no solo mejora la vida de los pacientes, también salva vidas. Al optimizar cadenas de donantes y evaluar compatibilidades, se ha convertido en una herramienta clave dentro del sistema de trasplantes. Sin embargo, ¿es posible garantizar un uso ético?

Medical concept design flat. Human organ for transplant. Vector illustration

La inteligencia artificial (IA) no solo mejora la vida de los pacientes, también salva vidas. Al optimizar cadenas de donantes y evaluar compatibilidades, se ha convertido en una herramienta clave dentro del sistema de trasplantes. Sin embargo, ¿es posible garantizar un uso ético?

España es desde hace décadas el líder mundial en donación de órganos. El año pasado se realizaron 5.836 trasplantes y la previsión para este año es superar los 6.000. Esta cifra es fruto tanto de un sistema de captación de donantes bien diseñado como de un apetito por aplicar nuevas ideas y tecnologías. Un ejemplo claro es el uso de la inteligencia artificial, que ya es clave en el sistema de trasplantes, como se puede comprobar en las cadenas de donantes cruzados de riñón.

Cadenas de donantes: el papel del “buen samaritano”.

Actualmente, la demanda de trasplantes de órganos está aumentando. Basta ver el incremento de pacientes con una enfermedad renal crónica (ERC), una afección que ya afecta a más de 60.000 personas en España, muchas de las cuales necesitan un trasplante. Sin embargo, encontrar un donante compatible puede ser complicado. Aunque un allegado esté dispuesto a donar, no siempre se supera la prueba de compatibilidad.

En estos casos, la alternativa es ingresar en una lista de espera hasta que surja la oportunidad de recibir un órgano compatible de un donante fallecido o participar en un trasplante cruzado, que consiste en un intercambio de donantes entre desconocidos: el donante del paciente A ofrece su riñón al paciente B, y el donante de B ofrece el suyo al paciente A.

El primer trasplante cruzado se llevó a cabo en Seúl en 1991, y desde entonces, países de todo el mundo han aceptado esta práctica. Como consecuencia, se crearon bases de datos tanto de enfermos como de donantes potenciales, lo que ha mejorado la efectividad de los intercambios.

En España se realizan trasplantes cruzados desde 2009. De hecho, la Organización Nacional de Trasplantes (ONT) está liderando un proyecto europeo, EURO-KEP, con el objetivo de establecer una red que conecte a varios países, ampliando la base de donantes y, de este modo, aumentar la probabilidad de encontrar órganos compatibles para los pacientes.

En este sistema de intercambios, hay un elemento clave: los “buenos samaritanos”, personas que donan de manera altruista, sin tener relación con ninguno de los receptores.

Cuando aparece uno de estos donantes, se activa una cadena de donaciones cruzadas. La más larga hasta la fecha se produjo en Estados Unidos en 2015, con un total de 35 trasplantes. En España, en 2021 se logró realizar una cadena de 6 trasplantes.

Del altruismo del buen samaritano a la optimización de la IA

A medida que aumenta el número de pacientes y donantes, también crecen las combinaciones posibles, lo que incrementa la dificultad de encontrar la cadena de trasplantes óptima. Por suerte, la IA es una herramienta ideal para gestionar esta complejidad.

En primer lugar, permite analizar las compatibilidades utilizando los criterios médicos establecidos. Esta evaluación involucra numerosas variables, que además cambian con el tiempo. Un claro ejemplo de este dinamismo son los avances en farmacología que van disminuyendo la probabilidad de que un órgano donado sea rechazado.

Una vez comprobada la compatibilidad entre donante y receptor, el desafío radica en determinar la prioridad de cada paciente para entrar a formar parte de una cadena de trasplantes. Es decir, decidir quién debe incluirse para maximizar la extensión de la cadena. Todo ello, considerando factores como la edad, la gravedad del caso, la probabilidad de encontrar un nuevo órgano compatible en el futuro e incluso los aspectos logísticos.

Una vez más, resulta evidente la complejidad de analizar y ponderar todos estos criterios. En este contexto, el tiempo se convierte en un factor crítico para maximizar las oportunidades de los pacientes. Los algoritmos permiten acelerar un proceso que, de otra manera, sería considerablemente más lento y laborioso.

El uso de la IA se está extendiendo a distintos tipos de trasplantes, desde las cadenas de donaciones cruzadas de riñón hasta el análisis de compatibilidades en tejidos hepáticos. Por ejemplo, recientemente investigadores del grupo Minerva de la Universidad de Sevilla y cirujanos del hospital Virgen del Rocío han desarrollado una IA que analiza los parámetros de un órgano donado para predecir su adecuación y aceptación por parte del paciente.

¿Quién decide quién recibe un órgano?

A pesar de sus logros, la IA debe estar sujeta a un mayor escrutinio. Aunque la decisión final sobre quién recibe un trasplante suela recaer en comités médicos, estos se apoyan en los resultados proporcionados por los algoritmos, lo que significa que sus sesgos o imprecisiones pueden tener un impacto significativo en la decisión.

Un ejemplo reciente se encuentra en una investigación publicada en la prestigiosa revista médica The Lancet sobre el sistema británico de asignación de hígados. El estudio reveló que la IA tendía a priorizar a pacientes de mayor edad, lo que ha llevado a un cuestionamiento sobre cómo se definen los criterios de decisión.

La lógica que aplicaba el algoritmo es que los pacientes jóvenes tienen más probabilidades de sobrevivir durante los siguientes cinco años sin un trasplante, pero la misma probabilidad que los receptores mayores de sobrevivir cinco años después de recibirlo. Por lo tanto, la IA concluye que el trasplante es más beneficioso para los pacientes de mayor edad.

Sin embargo, este resultado no considera el impacto a largo plazo en la vida de los pacientes jóvenes, quienes podrían beneficiarse durante más años de un trasplante. Para llegar a esta conclusión, fue necesario realizar una investigación exhaustiva que arrojara luz sobre el funcionamiento de los algoritmos. Además, este ejemplo muestra cómo una mala definición de criterios, junto con sesgos en los datos, puede llevar a resultados injustos que durante un tiempo pasen inadvertidos.

Por ahora, optimizar el sistema de trasplantes con IA implica aceptar que se produzcan sesgos y errores. Aunque con el tiempo se reduzcan sus equivocaciones y sus decisiones sean más precisas, ¿podemos garantizar que sean justas? Y, si lo fueran, ¿estaríamos preparados para automatizarlas y aceptar que una máquina decida quién vive?