Forudsigelse af transfusionsrelaterede komplikationer (PRETRACO)

I øjeblikket produceres omkring 350.000 røde blodlegemer koncentrater fra bloddonationer i Østrig hvert år.

Ud over hovedeffekten ved at erstatte tabt blod, har røde blodlegemekoncentrater også mange uønskede virkninger - lige fra blodgruppeforligeligheder, som let kan undgås på grund af pleje, til opbevaringsrelaterede bivirkninger, til mest intensive plejeproblemer som følge af massive transfusioner, til systemdækkende effekter såsom TRALI, TACO og TRIM.

Inden de administreres til patienter, gennemgår koncentrater af røde blodlegemer en omfattende kvalitetssikringsproces, hvor en lang række parametre indsamles. Forud for brug på patienter udføres f.eks. sengekantstest og test for yderligere uforenelighed med en blodprøve fra den tilsigtede patient. Med implementeringen af ​​Patient Blood Management (PBM) i de senere år er brugen af ​​røde blodlegemers koncentrater blevet mere målrettet – antallet af transfusioner er faldende i de fleste udviklede lande. Det er dog stadig muligt at få transfusionsrelaterede bivirkninger (TRAE). Der er således fortsat behov for aktiv forskningsaktivitet for at reducere disse TRAE'er.

Til dato vides det dog ikke, hvilke patienter der oplever transfusionsrelaterede bivirkninger. På trods af de brede mål for hæmovigilance og præ-transfusionstestning er det stadig ikke muligt at forudsige, hvilken individuel patient der vil reagere på en transfusion med en typisk uønsket hændelse såsom hypotension, hæmolyse, nyresvigt eller TRALI. Det forekommer forståeligt, at egenskaber ved patienten såvel som karakteristika ved den administrerede enhed kan spille en rolle herfor. Det er især tænkeligt, at en kombination af karakteristika ved blodenheden og karakteristika for patienten kunne bestemme en komplikation i løbet af administrationen. Af denne grund virker det attraktivt at bruge kunstig intelligens og maskinlæringsmetoder til at forudsige eventuelle komplikationer.