Dos estudiantes valencianos crean con IA un "Tinder" para los trasplantes de hígado que busca reducir las listas de espera

En la medicina de trasplantes siempre nos enfrentamos al mismo dilema: faltan órganos disponibles mientras que las listas de espera de pacientes no paran de crecer.

Durante décadas, la asignación de un hígado ha dependido fundamentalmente del sistema MELD ( Model for End-Stage Liver Disease ), una puntuación estadística basada en la urgencia médica del receptor.

Cuanto más grave es el estado del paciente, mayor es su prioridad.

Sin embargo, el criterio MELD tiene varios puntos débiles.

El primero es que, como estamos viendo ahora en Madrid, las listas de espera pueden llegar a ser manipuladas .

Otro es que presenta una limitación estructural: prioriza la urgencia sin evaluar cómo la compatibilidad biológica y clínica concreta entre un donante específico y un receptor determinado puede influir en el éxito a largo plazo de la intervención.

Dos estudiantes valencianos han desarrollado LiveR justo para intentar reducir ese cuello de botella y que los trasplantes sean compatibles antes de que la intervención se haga.

El algoritmo que empareja donante y receptor El proyecto nace en las aulas de la Universitat Politècnica de València (UPV), de la mano de Joaquín Berenguer y Sergio Tordera , alumnos del doble grado de Ingeniería Informática y Matemáticas.

Para Berenguer, el desarrollo responde además a un vínculo familiar: su abuelo fue el médico que promovió el primer trasplante de hígado en Valencia, y varios de sus familiares ejercen la hepatología.

Desarrollado en colaboración con el Instituto de Investigación Sanitaria La Fe de Valencia, LiveR funciona como un sistema multimodelo de soporte a la decisión clínica, es decir, que no pretende sustituir en ningún caso la decisión de los médicos.

Cuando se notifica la disponibilidad de un donante, el algoritmo analiza en tiempo real múltiples combinaciones posibles cruzando las variables del donante con los perfiles de los pacientes en lista de espera.

A diferencia del MELD tradicional, LiveR despliega varios modelos de aprendizaje automático orientados a predecir resultados clínicos a futuro: Supervivencia del injerto a corto y largo plazo.

Curvas de supervivencia global del paciente receptor.

Estancia hospitalaria esperada tras la cirugía.