‧ 這些年，器官移植也靠大數據

ifanr 陳一斌

器官移植，除了需要有人自願捐贈器官外，還涉及分配效率與公平的問題，再多的庫存沒有好的分配體系，也難讓最需要器官移植的病人等來急需的器官。即便是擁有成熟醫療體系的美國，器官移植的效率也是老大難問題。根據統計，每天有 18 名需要移植器官，但禁不起長時間等待的病人亡故。

根據 Mashable 報導，負責運營美國器官移植網路的非營利性組織 United Network for Organ Sharing 聯合一批捐贈者、數學家、經濟學家聯合起來， 希望通過“大資料”提升器官移植分配的效率。

器官移植的兩大來源

目前，移植的器官有兩個來源，一個是在世的捐獻者，一個是已去世的捐獻者。在世的捐獻者，只能提供兩顆腎臟中的一顆，以及部分肝臟。至於已去世的捐獻者，能提供更多器官，包括腎臟、肝臟、心臟、肺、胰臟、腸、胸腺。目前而言，大部分可供移植的器官來自已去世的捐獻者，在 UNOS 這一比例高達 80%。

不過，讓情形變得複雜的是，移植的器官與接受器官移植的病人，因為血型不符或白血球抗原過敏，導致器官移植之後，病人的身體與器官相互排斥（具體來說，如果被移植的器官上存在抗體，會被病人身體中的保衛細胞判斷為入侵身體的異物，於是展開攻擊）——換言之，不見得等到有移植的器官，病人就能得救，他同樣冒著極大的風險。現在，在腎臟移植手術當中，有三分之一的可能出現病人與器官排斥的情形。

所以，即便移植的器官有充足的來源，接受器官移植的人仍然需要冒極大的風險。

MELD 以及“等待列表”

如何讓移植器官，送到最需要的病人身上？

根據南京鐘鼓樓醫院副主任醫師孫喜太博士的《MELD 評分的背景、計算公式、臨床應用及優缺點》一文介紹——

“美國的早期肝移植標準，首先是根據患者住院情況，來確定肝移植先後順序的。在重症監護病房中的患者優先得到肝移植，其次是住在普通病房中的患者，再次是那些不需住院的患者。

這種寬泛的分類方式造成每一組中都有很多患者爭奪有限肝源的情況，只好以等待時間的長短來確定肝移植的順序。這種情況使一部分肝功能代償良好的患者優先得到了肝移植而一些晚期肝病患者卻失去了肝移植的機會，肝移植中的不合理現象很常見。”

為了解決器官移植當中的不公平現象，UNOS 推出一套新系統，以統計模型為基礎，判斷那個患者更加迫切需要肝臟移植。其中一套是 MELD（終末期肝病模型），用於年齡大於或等於 12 歲的患者，另一套是 PELD（小兒終末期肝病模型），用於年齡小於或等於 11 歲的患者。MELD 的計算公式為

R=9.6×ln（肌酐mg/dl）+3.8×ln（膽紅素mg/dl）+11.2×ln（INR）+6.4×病因 （病因：膽汁淤積性和酒精性肝硬化為 0，病毒等其他原因肝硬化為 1）

實際上，UNOS 還為其它不同類型的器官組織創建了類似 MELD 的統計模型，以精准判斷病人需要器官的迫切程度。換言之，為了實現器官移植的高效而公平的分配，UNOS 已經為不同的器官組織，以及需要移植器官的病人建立了資料庫。最終，UNOS 還要比較需要移植器官的病人和捐獻者的身體情況，包括血型、身型，還有病人的地理位置，再決定為病人提供合適的肝臟。

總之，UNOS 會根據緊急程度和地理上的就近原則，來為病人選擇合適的器官。

“器官移植”與經濟學“匹配理論”

根據 UNOS 統計，急需器官移植的病人當中，數量第一是腎臟移植，第二是肝臟移植，第三是心臟移植。然而，供不應求的問題一直困擾著腎臟移植。如果能夠讓更多的病人得到合適的腎臟，就能夠挽救更多的生命。

如何讓更多的病人得到自己需要的腎臟？這就設計一個合理的分配機制的設計。在我們實際生活當中，這種“匹配”的問題無處不在，比如說如何讓學生分配到不同的學校，如何讓捐獻的器官分配到需要的病人，如何讓男女雙方找到滿意的結婚物件等等。

2012 年諾貝爾經濟學獎頒給兩名研究市場匹配問題的經濟學博士，Alvin Roth 和 Lloyd Stowell Shapley，獎勵他們在該領域的奠基性工作。其中，Roth 將匹配理論解決眾多問題，包括設計紐約、波士頓公眾學校系統；以及創建新英格蘭配對腎捐贈程式，開發一套演算法提高器官移植分配的低效。UNOS 後來也引入了類似的程式，工作原理大概如下：

配對腎捐贈是嘗試搭配兩組原本不相容的受贈者與欲捐贈者組合，例如一個血型分別是A型和B型的欲捐贈者和受贈者原本不能進行器官移植，但透過配對腎捐贈程式，可以和另一組 B 型和 A 型的捐贈和受贈者搭配，讓兩名病者分別能獲得相符血型的腎臟。

Roth 為器官移植設計了新的分配制度，背後也需要技術的支援。UNOS 的配對腎捐贈程式的管理者 Ruthanne Leishman 說，“血型容易分辨，但很多等待著腎臟移植的人，體內已經生成抗體。你非常需要電腦的力量，尋找受捐贈者的血型以及抗體的資訊，以及捐贈者的抗原資訊。”

Leishman 還證明匹配演算法的有效，“2000 到 2004 年，大量的匹配工作通過手工完成——沒有演算法的説明（2002 年僅完成 2 例腎臟匹配）。2003、2004 年到 2007 年腎臟匹配的數量迎來第一次大飛躍，從 19 例到 34 例再到 111 例——很大部分的原因在於演算法找到越來越多（匹配的器官捐贈者和受贈者）。”

如今，UNOS 已經完成 2897 例腎臟匹配，其中 500 例匹配是在最近兩年內完成的。

尋找更多的器官捐贈者

2005 年，受 Roth 在法國一次演講的啟發，卡內基梅隆大學的電腦科學博士 Tuomas Sandholm 開始設計一套先進的演算法，目標是創造一個以捐贈者鏈條為主的腎切換式網路。

腎捐贈鏈是什麼？2012 年美國加州 Rick Ruzzamenti 創建的的“Chain 124”，結果引發 29 人跟著捐腎，為另外 30 人帶來新生。新聞稱，這是世界上最長的腎捐贈鏈。Chain 124 是這樣工作的：“假如腎病病人的家屬因血型或排斥等原因不能捐腎給患病親友，就可參加計畫，把腎臟捐給其他等待換腎的病人，同時接受其他換腎病人的親屬所捐出的合適腎臟，互相捐贈。”

Sandholm 的計畫是，為 10000 名捐贈者創建資料庫，讓捐贈出去的腎臟可經歷 兩次、三次或四次交換。這是一個非常龐大的計畫，Sandholm 首先要做的是設計一套演算法以在萬億次交換的可能性當中，找到條件匹配的捐贈者和受贈者——但進行這樣大量的運算，電腦處理能力不夠，就會當機。

最終 Sandholm 和另一名卡內基梅隆大學博士 Avrim Blum 以及學生 David Abraham 合作，終於開發出一個演算法，讓電腦迅速匹配 10000 名捐贈者的器官，十億次級別的交換可能性。2010 年，UNOS 啟動配對腎捐贈程式，採用了 Sandholm 和團隊開發的演算法。直到現在，這個程式已經成功配對 97 例。