随着适应症范围的扩大，肝移植(LT)的资格和准入标准持续演变；因此，现实世界中的选择委员会(SC)审议变得越来越复杂。尽管人工智能(AI)已被应用于肝移植以改善器官分配和预测术后结果，但其在移植资格的多学科评估中的作用仍鲜有探索。
在本期《柳叶刀·数字健康》中，Bima J Hasjim及其同事报告了据我们所知首个应用于肝移植选择委员会(LT-SC)流程的AI多智能体系统。该多智能体AI-SC由虚拟移植肝病学家、移植外科医生、心脏病专家和社会工作者组成，旨在基于肝移植的绝对禁忌症和预测的术后6个月及1年生存率，模拟潜在移植资格的决策过程。研究数据来自美国器官移植受者科学登记处数据库中2004年至2023年间登记的8412名成年患者。由于被拒绝的患者未被纳入登记处，16.4%(1379例)的病例被随机分配了绝对禁忌症。AI-SC在预测肝移植绝对禁忌症方面的准确率达到98.2%(95%置信区间97.9-98.4)，预测术后6个月和1年生存获益的准确率分别为94.9%(94.4-95.3)和92.0%(91.4-92.6)。
在假阳性病例中——即AI-SC认为适合肝移植但未达到生存终点的患者——最常见的死因是感染和恶性肿瘤；缺乏社会支持和严重的心肺疾病经常被忽视。在假阴性病例中——即尽管AI-SC认为不适合肝移植但仍达到生存终点的患者——最常见的拒绝原因是超出米兰标准的肝细胞癌。
作者提出了AI-SC的几种潜在应用。首先，AI-SC可作为初步筛查工具，减少需要进行全面多学科讨论的病例数量。然而，此阶段被排除的患者可能永远不会被人类肝移植选择委员会(LT-SC)审查，这可能会限制个性化的临床判断。另一种选择是，AI可作为人类选择委员会(SC)已做决定的二次审查者，可能促进公平性并减轻情绪偏见、群体动态和道德困扰。第三种混合场景将涉及一个基于人类选择委员会讨论输入进行实时推荐的智能系统，在动态决策过程中将人类审议与算法支持相结合。
这项工作的几个方面值得注意。AI在临床环境中转诊和选择阶段的应用鲜有探索。关于是否进行肝移植的临床决策不仅基于可量化的二元变量，还基于社会、心理和行为因素，而这些因素仍然难以形式化。多智能体架构反映了肝移植选择委员会决策本质上是多学科的，代表了超越单一预测模型的概念进步。重要的是，该框架试图模拟结构化临床推理，而不仅仅是生成风险预测，这符合在器官分配等伦理敏感领域对可解释和可审计AI系统的要求。
尽管如此，仍存在重大挑战。AI-SC需要持续重新训练，以反映这一动态领域中不断演变的分配政策、临床证据和伦理标准。人类决策通常不取决于合并症的二元存在，而取决于其严重程度、相互作用和累积负担。临床医生将衰弱、心血管风险、精神疾病、多器官功能障碍和社会背景等信息整合到对比例获益的整体评估中。他们还认识到一些特殊情况，即使不符合标准条件，肝移植也可能有正当理由。这种细致入微的推理，特别是在平衡多个相对禁忌症时，对AI系统来说仍然难以复制。同样，某些临床场景可能引发伦理问题或涉及难以编码的因素（例如，关于活跃饮酒者、有不依从病史的再移植候选者或缺乏可靠护理者的移植决策）。这些判断通常在不同中心之间不可重复，也无法完全编码为预定义变量。此外，现实世界选择委员会的组成通常会随着时间演变，无论是以结构化还是按需方式；这种灵活性可能难以在静态AI架构中体现。
Bima J Hasjim及其同事的研究为探索AI能否提高一致性、突出被忽视的考虑因素以及为认知和社会偏见提供基于数据的平衡奠定了基础。可以在肝移植选择委员会(LT-SCs)中设立专门的AI席位；然而，AI不应成为唯一的决策者。持续的人类监督仍然至关重要，以确保AI在肝移植中作为临床判断的辅助工具而非替代品。我们建议，将AI-SC模型引入临床实践的最合适方式是基于前瞻性评估，评估AI-SC预测的决策是否与人类选择委员会做出的决策一致，以及这两种决策方法中哪一种最终能产生更优的移植后综合结果（超越单纯的生存率）。
利益冲突声明
我们声明无利益冲突。
【全文结束】