В конце февраля учёные из Pusan National University (Южная Корея) представили результаты своей работы по модификации индекса аллокации донорских лёгких (LAS, lung allocation score), который определяет приоритет пациентов в листе ожидания. Новая шкала получила название MaxBenefit LAS – в её основу был положен принцип достижения для пациентов максимальной выгоды от трансплантации.

Идеальная система распределения с одной стороны должна снижать смертность в период ожидания, с другой – улучшать выживаемость после трансплантации. Исследователи провели ретроспективный анализ национальной базы данных, в которой содержались сведения о 1599 кандидатах на пересадку лёгких, включённых в лист ожидания в период с сентября 2009 по декабрь 2020 гг. Система MaxBenift LAS представляет собой объединение прогностических моделей смертности в листе ожидания и выживаемости после трансплантации, а для её создания был использована модифицированная с помощью алгоритма elastic-net регрессия Кокса. Для оценки её эффективности использовались стандартные статистические метрики. Кроме того, на независимой когорте наблюдений было проведено сравнение с системой LAS, используемой в США.

Созданная модель показала высокую прогностическую ценность. Система MaxBenefit LAS эффективно стратифицировала пациентов по риску: более высокие баллы коррелировали с повышенным риском летального исхода в листе ожидания и сниженной смертностью после трансплантации. MaxBenefit LAS превзошла традиционную систему LAS в прогнозировании смертности в листе ожидания и выявлении кандидатов с наибольшей пользой от трансплантации. Эта система может улучшить исходы для реципиентов, снизить смертность в листе ожидания и обеспечить более справедливое распределение донорских лёгких.

Следует отметить, что с технической точки зрения разработка новых прогностических моделей не представляет каких-либо сложностей. Принципиально важно, чтобы их «обучение» происходило на достаточных по объёму, полноте и качеству наборах клинических данных. Страны, в которых отсутствуют регистры, аккумулирующие сведения о кандидатах на трансплантацию, особенностях и исходах пересадок, всегда будут вынуждены пользоваться зарубежными разработками. А они, как в очередной раз продемонстрировали результаты, полученные корейскими учёными, теряют свою ценность, если используются не на той популяции, на которой создавались. Отсутствие в России полноценного научного регистра трансплантаций является сегодня одной из важнейших проблем, в определенной степени представляющей угрозу безопасности и суверенитету страны.

Ha M, Cho WH, So MW, Lee D, Kim YH, Yeo HJ. Development of a Machine Learning-Powered Optimized Lung Allocation System for Maximum Benefits in Lung Transplantation: A Korean National Data. J Korean Med Sci. 2025;40(7):e18. Published 2025 Feb 24. doi:10.3346/jkms.2025.40.e18