Desarrollo de una aplicación inteligente para predecir la validez de los riñones donados procedentes de donantes fallecidos tras una asistolia no controlada

Abstract

En 2024, España superó los objetivos marcados por la Organización Nacional de Trasplantes realizando 6464 trasplantes, un 10 % más que el año anterior. En términos absolutos, el trasplante renal fue el más numeroso, con 4047 procedimientos realizados, lo que representa también un crecimiento del 10 % respecto a 2023. El aumento de supervivencia y calidad de vida esperables tras el trasplante renal hacen necesario un estudio intensivo que identifique qué factores determinan si un donante será válido o no. Carlos Rubio Chacón, médico en Urgencias y Emergenciasdel SU MMA 112, ha publicado su tesis doctoral en la que identifica seis variables clave para determinar si un donante es válido o no. A partir de este hallazgo surge la necesidad de desarrollar una aplicación móvil que, introduciendo estos valores, determine de forma rápida si el donante será o no válido. Además, esta aplicación móvil se complementa con una aplicación web que, aprovechando la base de datos empleada en la tesis, servirá como plataforma para entrenar diversos modelos de Machine Learning, con el objetivo de investigar su eficacia en la predicción de la validez de los donantes.

In 2024, Spain surpassed the targets set by the National Transplant Organization by performing 6464 transplants, 10% more than the previous year. In absolute terms, kidney transplants were the most numerous, with 4,047 procedures carried out, which also represents a 10% increase compared to 2023. The expected increase in survival and quality of life after a kidney transplant highlights the need for an in-depth study to identify the factors that determine whether a donor is suitable. Carlos Rubio Chacón, a physician in Emergency and Urgent Care at SUMMA 112, published his doctoral thesis identifying six key values to determine donor suitability. Based on this finding, the need arises to develop a mobile application that, by providing these values, can quickly determine whether a donor is valid or not. In addition, this mobile application is complemented by a web application that, using the database employed in the thesis, serves as a platform for training various Machine Learning models with the aim of investigating their effectiveness in predicting donor suitability.