Mặc dù cơ quan nội tạng để ghép cho bệnh nhân luôn vô cùng khan hiếm, nhưng nhiều trường hợp khi có tạng lại không kịp tìm người nhận phù hợp do vấn đề khớp nối thông tin giữa người cho và người nhận không tốt. Các thuật toán tin học có thể giải quyết vấn đề này.

Phân phối tạng ghép bằng thuật toán

Mỗi năm, có hàng chục nghìn người Mỹ được ghép tạng. Năm 2016, hơn 33.600 ca ghép đã được tiến hành, tăng 20% chỉ trong vòng 5 năm qua. Tuy nhiên, đây chỉ là con số nhỏ trong danh sách 120.000 người đợi ghép, trong đó rất nhiều người đã đợi vài năm.

Mỗi năm có khoảng 8.000 người Mỹ chết trong khi chờ tạng. Trong khi đó, không phải tất cả các tạng được hiến đều có thể sử dụng, do các vấn đề liên quan đến vận chuyển và lưu trữ. Hiện tại, hầu hết số tạng ghép đến từ người hiến đã chết và khi có tạng, các bác sỹ chỉ có vài giờ để tìm người nhận và hoàn thành việc cấy ghép.

David Klassen - Trưởng phòng Y tế của Mạng lưới trao đổi nội tạng (UNOS), Mỹ - cho biết: “Khi một cơ quan nội tạng được cung cấp, đồng hồ bắt đầu tính giờ. Thời gian tạng ở ngoài cơ thể và trong thiết bị bảo quản lạnh càng dài thì chức năng của nó càng tệ, người nhận càng có nhiều nguy cơ biến chứng. Nếu mất quá nhiều thời gian hoặc cơ quan được hiến không đáp ứng các tiêu chuẩn bắt buộc, nó sẽ bị loại bỏ”.

Tạng hiến cần phải được vận chuyển và ghép càng nhanh càng tốt. Ảnh: Thedoctorweighsin

UNOS liên tục tìm cách cải tiến cách phân bổ tạng hiến như xây dựng ngân hàng dữ liệu và hệ thống kết nối giữa các cơ sở y tế, sử dụng các thuật toán để tối ưu thông tin giữa người cho và nhận tạng. “Mỗi cơ sở có một chính sách khác nhau và thuật toán phân bổ được xây dựng xung quanh những chính sách này” - Anne Paschke - người phát ngôn của UNOS - cho biết.

Thuật toán của UNOS so sánh các yếu tố y tế, hậu cần phức tạp, đa dạng như loại máu và kháng nguyên của bệnh nhân, khoảng cách và mức độ khẩn cấp về y tế, độ phù hợp giữa cơ quan nội tạng của người cho và người nhận.

Vấn đề phân bổ tạng hiến rất phức tạp và nhiều chuyên gia đang nghiên cứu cách tạo ra thuật toán tốt hơn để tăng hiệu quả kết hợp giữa người cho và người nhận. Jesse Schold - Giám đốc nghiên cứu kết quả cấy ghép thận tại Cleveland Clinic, Mỹ - cho biết: “Cách thức các cơ quan nội tạng được cung cấp cho các trung tâm, cá nhân và họ quyết định có chấp nhận hay không đang hơi chậm. Chắc chắn còn có nhiều điều cần biết về khía cạnh hành vi của quá trình ra quyết định, thông tin được phổ biến như thế nào. Các thay đổi trong thuật toán phân bổ có thể làm cho quá trình này hiệu quả hơn và ít bị lãng phí hơn”.

Tranh cãi về vấn đề nội tạng nguy cơ cao

Phương trình phức tạp hơn khi người hiến có các cơ quan tiềm ẩn nguy cơ mắc bệnh truyền nhiễm hoặc chức năng kém hơn, ví dụ người hiến lớn tuổi hoặc từng sử dụng ma túy. Bệnh nhân thường phải miễn cưỡng đồng ý nhận một trong những cơ quan có nguy cơ cao này. Tuy nhiên, các nghiên cứu cho thấy rằng hầu hết các cơ quan đó hoạt động tốt.

Gần đây hơn, việc sử dụng cần sa y tế đã gây ra một cuộc tranh cãi, bởi tiền sử dùng cần sa khiến những người nhận tạng tiềm năng trở nên không còn đủ tiêu chuẩn để ghép tạng do nguy cơ nhiễm bệnh, ngay cả khi cần sa do bác sỹ kê toa.

“Tất cả bệnh nhân đều muốn nhận cơ quan tốt nhất, nhưng thực tế là tất cả chúng đều có sự khác biệt” - Klassen nói. “Đối với một bệnh nhân phải chờ đợi lâu thì tốt hơn là nên nhận một cơ quan ít hơn lý tưởng nhưng có thể tiếp cận nhanh hơn rất nhiều, thay vì cố chờ đợi một cơ quan nội tạng hoàn hảo, có thể phải mất rất nhiều thời gian hoặc không bao giờ đến”.

Các thuật toán phân bổ cải tiến đang được sử dụng bởi UNOS sẽ ưu tiên các cơ sở cấy ghép nhất định dựa trên các yếu tố như khả năng chấp nhận một cơ quan nội tạng có nguy cơ cao. “Có một sự cân bằng giữ cho tất cả các trung tâm cấy ghép và các ứng cử viên nhận tạng trong danh sách của họ một cơ hội để chấp nhận cơ quan đó, so với việc đưa ra một thuật toán đưa ra kết quả theo xác suất, một trung tâm đặc biệt có thể chấp nhận cơ quan này dựa trên hành vi trong quá khứ hoặc người trong danh sách của họ” - Schold - người của Cleveland Clinic nói.