Uso de inteligencia artificial para eliminar disparidades de género en el acceso al trasplante hepático: “Gender-equality MELD”

Hits: 3879
Status:
Not started
Project leaders:
  • Manuel Luis Rodríguez Perálvarez
Collaborators:
Proposed start date:
2019-12-23
Proposed end date:
2022-12-22

Description:

 

 

Organismo: Consejería de Salud y Familias 2019 - Proyectos de Investigación en Salud. Subvenciones para la financiación de la I+D+i biomédica y en ciencias de la salud en Andalucía

 

 

Periodo: 2019-2022

 

Resumen:

 

El Sistema MELD (“Model for End-Stage Liver Disease”) es internacionalmente utilizado para seleccionar candidatos a trasplante hepático y para su priorización en lista de espera. El uso de la creatinina sérica como parte del modelo produce que las mujeres permanezcan más tiempo en lista de espera y tengan mayor tasa de mortalidad en lista o exclusión por agravamiento en comparación con los hombres.

 

Hipótesis: La sustitución de la creatinina sérica por el filtrado glomerular estimado para cirrosis y la implementación de metodología de inteligencia artificial podrían aumentar la precisión pronóstica del sistema MELD, a la vez que corregirían las disparidades de género en el acceso al trasplante hepático.

 

Objetivos:

 

1- Diseñar y validar externamente una nueva fórmula MELD sustituyendo la creatinina sérica por el filtrado glomerular estimado.

 

2- Determinar si el empleo de redes neuronales artificiales resulta en una mayor capacidad predictiva de mortalidad en lista de espera de trasplante.

 

3- Estudiar si la nueva fórmula MELD corrige las disparidades de género en el acceso al trasplante hepático.

 

Material y Métodos:

 

Estudio observacional retrospectivo en el que se incluirán todos los pacientes adultos incluidos en lista de espera de trasplante hepático electivo debido a insuficiencia hepática desde Enero de 2010 hasta Diciembre de 2015. Se excluirán los pacientes con hepatocarcinoma como indicación de trasplante. Se utilizarán dos bases de datos nacionales para el estudio: a) United Kingdom Transplant Registry (UKTR) (n=5.444), la cual será utilizada para entrenamiento del modelo y validación interna, y b) el Registro Español de Trasplante Hepático (RETH) (n estimada 6.000), que servirá para la validación externa. La variable dependiente principal del estudio será la mortalidad en lista de espera a 90 días o la exclusión de lista por agravamiento en el mismo periodo. El nuevo modelo se diseñará en primera instancia mediante el uso de regresión logística múltiple combinando bilirrubina, INR y filtrado glomerular estimado para cirrosis. Se diseñará un segundo modelo con las mismas variables pero mediante metodología de redes neuronales artificiales. La capacidad predictiva de los nuevos modelos será evaluada mediante su área bajo la curva ROC, la razón de probabilidad positiva, la mínima sensibilidad y la precisión global. La capacidad predictiva de los modelos se analizará en la cohorte global y por separado en función del género para asegurar que es idéntica en hombres y mujeres, y que por tanto corregirían las disparidades actualmente existentes. Para considerar a los nuevos modelos superiores al sistema MELD actual, habrán de demostrar un área bajo la curva ROC significativamente superior mediante el test de Delong.

 

Impacto potencial:

 

El presente estudio basado en dos cohortes nacionales con más de 10.000 pacientes podría dar lugar a un cambio en la política de priorización en lista de espera de los candidatos a trasplante a nivel internacional que acabe con la histórica disparidad de género en el acceso al trasplante hepático.

 

Summary:

The MELD ("Model for End-Stage Liver Disease") System is internationally used to select candidates for liver transplantation and for prioritisation on the waiting list. The use of serum creatinine as part of the model results in women being on the waiting list longer and having a higher rate of waiting list mortality or exclusion due to worsening compared to men.

Hypothesis: Replacing serum creatinine with estimated glomerular filtration rate for cirrhosis and implementing artificial intelligence methodology could increase the prognostic accuracy of the MELD system while correcting gender disparities in access to liver transplantation.

Objectives:

1- To design and externally validate a new MELD formula replacing serum creatinine with estimated glomerular filtration rate.

2- To determine whether the use of artificial neural networks results in a greater predictive capacity for mortality on the transplant waiting list.

3- To study whether the new MELD formula corrects for gender disparities in access to liver transplantation.

Material and Methods:

Retrospective observational study in which all adult patients included in the waiting list for elective liver transplantation due to liver failure from January 2010 to December 2015 will be included. Patients with hepatocarcinoma as an indication for transplantation will be excluded. Two national databases will be used for the study: a) the United Kingdom Transplant Registry (UKTR) (n=5,444), which will be used for model training and internal validation, and b) the Spanish Liver Transplant Registry (RETH) (estimated n=6,000), which will be used for external validation. The main dependent variable of the study will be 90-day waiting list mortality or exclusion from the waiting list due to worsening in the same period. The new model will be designed in the first instance using multiple logistic regression combining bilirubin, INR and estimated glomerular filtration rate for cirrhosis. A second model will be designed with the same variables but using artificial neural network methodology. The predictive ability of the new models will be assessed by their area under the ROC curve, positive likelihood ratio, minimum sensitivity and overall accuracy. The predictive ability of the models will be analysed in the overall cohort and separately according to gender to ensure that it is identical in men and women, and would therefore correct the currently existing disparities. To consider the new models superior to the current MELD system, they will need to demonstrate a significantly higher area under the ROC curve using the Delong test.

Potential impact:

The present study based on two national cohorts with more than 10,000 patients could lead to a change in waiting list prioritisation policy for transplant candidates internationally that would end the historical gender disparity in access to liver transplantation.