Causaal geïnformeerde ontwikkeling en validatie van een data-gedreven bio-mathematische herclassificatie van niertransplantatie afstoting

Allogene afstoting wordt erkend als de belangrijkste oorzaak van nierfalen na transplantatie. De diagnose van afstoting is gebaseerd op de histologische evaluatie van niertransplantatiebiopten volgens de iteratieve regel-gebaseerde internationale Banff classificatie, die een beperkt beeld geeft van de ziekteclassificatie. De oorzaken van afstoting worden ook niet goed begrepen. In dit project willen we een probabilistisch klinisch beslissingsondersteunend model ontwikkelen en valideren voor de diagnose van afstoting van nieren, met als langetermijndoel de post-transplantatiezorg te veranderen. Eerst zullen we histologische en moleculaire gegevens gebruiken om een nieuwe gegevens-gedreven schadeclassificatie op te stellen. Ten tweede zullen we een multivariabel, causaal geïnformeerd model voor nierschade ontwikkelen, gebaseerd op de etiologie van de ziekte. Ten derde zullen we een model bouwen voor het voorspellen van de uitkomst na transplantatie. Ons project maakt gebruik van geavanceerde statistische en artificiële intelligentietechnieken, toegepast op bestaande gegevens, en voorziet in een grondige prospectieve en internationale validatie.

Trefwoorden:Kidney transplantation, Banff classification, Biostatistics, Kidney rejection, Artificial intelligence

Disciplines:Niertransplantatie