Ο Καθηγητής Νίκος Τριχάκης ξαναγράφει το manual του συστήματος μεταμοσχεύσεων των ΗΠΑ

Ας υποθέσουμε ότι σας ανέθεταν τον σχεδιασμό ενός μοντέλου για τη βέλτιστη διανομή ανθρώπινων ιστών και οργάνων προς μεταμόσχευση. Από μια οπτική, ένα βελτιστοποιημένο πρόγραμμα θα μπορούσε να δώσει κατά προτεραιότητα όργανα στους νεότερους υποψήφιους λήπτες, που λογικά θα έχουν το μεγαλύτερο προσδόκιμο ζωής μετά τη μεταμόσχευση. Ωστόσο, ένα τέτοιο σύστημα πιθανότατα θα θεωρούνταν μεροληπτικό και άδικο και ως εκ τούτου θα ήταν μη αποδεκτό από την κοινωνία.

Σε γενικές γραμμές, οι μεταμοσχεύσεις είναι ένα από τα πολλά ζητήματα στα οποία η αξία του αποτελέσματος μιας διαδικασίας μπορεί να συγκρούεται με τη δικαιοσύνη, η οποία επιτάσσει την πρόσβαση όλων των ανθρώπων σε αγαθά και υπηρεσίες, χωρίς διακρίσεις. Και αυτή η σύγκρουση φαντάζει αν όχι άλυτη, τουλάχιστον δυσεπίλυτη. Στην πραγματικότητα όμως υπάρχουν τρόποι για την διαχείρισή της που δεν είναι άλλοι από τον σχεδιασμό κατάλληλων μαθηματικών μοντέλων και τη χρήση μηχανικής μάθησης.

Αυτό ακριβώς κάνει ο αναπληρωτής καθηγητής στο MIT Sloan School of Management, κ. Νίκος Τριχάκης. Ο διαπρεπής Έλληνας επιστήμονας εφαρμόζει τα «εργαλεία» επιχειρησιακής έρευνας σε ένα ευρύ φάσμα πολύ πολύπλοκων συστημάτων σε πολλούς τομείς της ζωής μας, από την πολιτική για τη μεταμόσχευση ήπατος και τον προγραμματισμό χημειοθεραπειών σε κέντρα θεραπείας του καρκίνου έως τη λήψη οικονομικών αποφάσεων και την εταιρική χρηματοδότηση. Με άλλα λόγια χρησιμοποιεί εργαλεία επιχειρησιακής έρευνας για να βρει τρόπους με τους οποίους η κοινωνία μπορεί να κατανείμει στα μέλη της δίκαια και αποτελεσματικά τους σπάνιους πόρους της. Εδώ ακριβώς βρίσκεται και η καινοτομία της δουλειάς του, στην εφαρμογή μοντέλων βελτιστοποίησης, ποσοτικής σκέψης και ανάλυσης σε ένα ευρύ φάσμα τομέων της πραγματικής ζωής με τρόπο που σέβεται τη δικαιοσύνη, την ισότητα και τις προσδοκίες της κοινωνίας.

Φέροντας τον ιό της επίλυσης προβλημάτων

Ο Θεσσαλονικιός Νίκος Τριχάκης μεγάλωσε μέσα σε μια οικογένεια μηχανικών και μοιραία ακολούθησε τον ίδιο δρόμο σπουδάζοντας Ηλεκτρολόγος Μηχανικός στο ΑΠΘ. Ωστόσο με το πέρασμα του χρόνου διαπίστωσε ότι τα ενδιαφέροντά του δεν περιορίζονταν μέσα στο πεδίο των σπουδών του. Τα Μαθηματικά ήταν ένα ακόμη πεδίο που τον ενδιέφερε και για αυτό ακολούθησε το παράδειγμα ενός φίλου του και έκανε εγγραφή σε ένα μεταπτυχιακό πρόγραμμα στο Πανεπιστήμιο του Στάνφορντ, όπου και συνειδητοποίησε ότι η επιχειρησιακή έρευνα ήταν ακριβώς αυτό που έψαχνε. Μετά από ένα δεύτερο μεταπτυχιακό από το Imperial College του Λονδίνου, το 2013 ξεκίνησε τη διδακτορική του διατριβή με τίτλο: “Fairness, Efficiency, and Flexibility in Organ Allocation for Kidney Transplantation” στο MIT Sloan School of Management υπό την επίβλεψη του επίσης διαπρεπούς Έλληνα επιστήμονα της διασποράς Δημήτρη Μπερτσιμά.

Σε δημοσίευση αργότερα στο Operations Research  ο κ. Νίκος Τριχάκης εισήγαγε ένα σύστημα προτεραιοποίησης διανομής οργάνων προς μεταμόσχευση, το οποίο, αντί να περιορίζει τα κριτήρια για δίκαιη και αποτελεσματική κατανομή, τα διεύρυνε βάσει μιας βαθμολογικής κλίμακας που βασίζεται σε πολλές μεταβλητές, συμπεριλαμβανομένων του ιατρικού επείγοντος, του χρόνου αναμονής στη λίστα για μεταμόσχευση, της απόστασης μεταξύ λήπτη και δότη και πολλών άλλων. Διαπίστωσε πως αυτό το σύστημα μπορεί να επιφέρει αύξηση κατά 8% στα χρόνια ζωής από ένα δεδομένο σύνολο μεταμοσχεύσεων, ενώ πληρούσε όλα τα κριτήρια δικαιοσύνης που καθορίζονται από τους υπεύθυνους χάραξης πολιτικής των ΗΠΑ.

Επτά χρόνια αργότερα, σε μια μελέτη του 2020 στο περιοδικό Transplantation, ο καθηγητής Τριχάκης μαζί με άλλους πέντε συν-συγγραφείς πρότειναν ένα μοντέλο “continuous distribution”(συνεχούς διανομής) για την κατανομή των οργάνων προς μεταμόσχευση που λαμβάνει υπόψη πολλές μεταβλητές ταυτόχρονα, σώζοντας περισσότερους από 300 ασθενείς που βρίσκονται στη λίστα αναμονής ετησίως.

Συνεργασία με τον Εθνικό Οργανισμό Μεταμοσχεύσεων των ΗΠΑ

“Στις ΗΠΑ η πολιτική μεταμοσχεύσεων εποπτεύεται από το Organ Procurement & Transplantation Network (OPTN) το οποίο λειτουργεί από το 1986 με σύμβαση από το United Network for Organ Sharing (UNOS). Κάθε ασθενής που χρήζει μεταμόσχευσης οργάνων εγγράφεται σε μια εθνική λίστα αναμονής που διατηρεί το OPTN. Όταν υπάρχει προσφορά ενός οργάνου όλοι οι υποψήφιοι κατατάσσονται με βάση ένα σταθερό σύνολο κανόνων (η πολιτική κατανομής) και το όργανο προσφέρεται διαδοχικά έως ότου ένας υποψήφιος το αποδεχτεί”, εξηγεί ο Καθ. Τριχάκης, συμπληρώνοντας πως οι κατευθυντήριες αρχές για την ανάπτυξη της πολιτικής κατανομής οργάνων έχουν οριστεί από τον Τελικό Κανόνα OPTN του 2000.

Ανάμεσα σε άλλα ο Τελικός Κανόνας αναφέρει ότι οι πολιτικές για την κατανομή οργάνων πρέπει να βασίζονται σε «σωστή ιατρική κρίση» για να επιτευχθεί η «βέλτιστη χρήση» των οργάνων που δωρίζονται και να προωθηθεί μια «αποτελεσματική διαχείριση» γενικότερα της δωρεάς οργάνων. Οι πολιτικές κατανομής πρέπει να στοχεύουν στη δίκαιη κατανομή των οργάνων σε όσους έχουν μεγαλύτερη ανάγκη και σε όσο το δυνατόν ευρύτερη γεωγραφική περιοχή.

Ωστόσο, μεταφράζοντας κάποιος τη συγκεκριμένη πολιτική διακρίνει πολλά ηθικά διλήμματα. Για παράδειγμα, τι θα γινόταν στην περίπτωση που ένας υποψήφιος μεταμοσχευόταν σε νοσοκομείο πιο κοντά στην τοποθεσία του δότη, για να μειωθούν δυνητικά οι επιζήμιες επιπτώσεις του αυξημένου ισχαιμικού χρόνου των οργάνων και να αυξηθεί η πιθανότητα αποτελεσματικής τοποθέτησής του, αλλά ένας άλλος, πιο μακρινός υποψήφιος να είναι πιο άρρωστος και να κινδυνεύει να πεθάνει νωρίτερα; Σε ποιόν από αυτούς τους δύο ασθενείς πρέπει πρώτα να προσφερθεί το όργανο;

Τελικά, μετά από μια απόφαση ορόσημο του 2018 από την Organ Procurement & Transplantation Network (OPTN) Board of Directors, το OPTN ξεκίνησε τη διαδικασία μετάβασης των πολιτικών διανομής οργάνων προς μεταμόσχευση σε ένα νέο πλαίσιο που ονομάζεται «continuous distribution», βάσει της πρότασης του Καθ. Τριχάκη, ξεκινώντας από τους πνεύμονες. Στο πλαίσιο αυτό, οι περίπου 100.000 υποψήφιοι για μεταμόσχευση της εθνικής λίστας αναμονής θα προτεραιοποιηθούν σύμφωνα με μια μοριοδότηση βάσει παραμέτρων. Η επιλογή αυτών των παραμέτρων και η σχετική βαρύτητά τους ήταν και η πρόκληση για τον καθηγητή Τριχάκη, του οποίου ζητήθηκε η συνδρομή.

«Υπάρχουν ένα σωρό μεταβλητές που πρέπει κάποιος να σκεφτεί και να βάλει μέσα στο μοντέλο. Ως μεταβλητές ορίζω την προσπάθεια να κατανοήσω ποια στοιχεία έχουν τη μεγαλύτερη επιρροή και πώς αλληλεπιδρούν μεταξύ τους και προσπαθώ να αντικατοπτρίσω αυτή τη δυναμική. Εν προκειμένω μεταβλητές θα μπορούσαν να είναι τα βιολογικά μειονεκτήματα, όπως π.χ. η σπάνια ομάδα αίματος, ο χρόνος αναμονής, το αποτέλεσμα της μεταμόσχευσης δηλ. η επιβίωση με βάση τον χρόνο που αναμένεται να ζήσει ένας ασθενής μετά τη λήψη, η κρισιμότητα της κατάστασης που βασίζεται στο πόσο αναμένεται να ζήσει ένας ασθενής εάν δεν λάβει όργανο, η αποδοτικότητα τοποθέτησης συναρτήσει της απόστασης μεταξύ των δωρητών και ληπτών, που αντικατοπτρίζουν τους πόρους που απαιτούνται για την αντιστοίχιση, τη μεταφορά και τη μεταμόσχευση του οργάνου σε έναν ασθενή, κ.ά», λέει ο καθηγητής προσθέτοντας πως το  OPTN επέλεξε τελικά να εφαρμόσει το μοντέλο που ανέπτυξε μαζί με τον διδακτορικό φοιτητή του στο ΜΙΤ, Θοδωρή Παπαλεξόπουλο, και τον συνάδελφο του καθηγητή στο ΜΙΤ, Δημήτρη Μπερτσιμά.

Σύμφωνα με τον Καθηγητή, το OPTN χρησιμοποίησε το μοντέλο για να σχεδιάσει μια νέα πολιτική για τη διανομή των πνευμονικών μοσχευμάτων . Ξεκινώντας το 2023, όλα τα πνευμονικά μοσχεύματα στις ΗΠΑ θα κατανέμονται σύμφωνα με αυτήν την πολιτική που υπόσχεται να μειώσει τη θνησιμότητα των ασθενών στη λίστα αναμονής κατά 21% αποτρέποντας 62 θανάτους ανά έτος σε σύγκριση με την τρέχουσα πολιτική που βασίζεται σε προβλέψεις προσομοίωσης. Καθώς η πανδημία της Covid-19 συνεχίζεται, ο Καθηγητής Τριχάκης εξετάζει επίσης θέματα διανομής εμβολίων και θεραπειών με το ίδιο πλαίσιο.

Μπορούμε να μοντελοποιήσουμε (σχεδόν) τα πάντα

Εκτός του πεδίου της υγείας και σε μια πιο light περίπτωση ας υποθέσουμε ότι μια μέρα με κακοκαιρία σε ένα περιφερειακό αεροδρόμιο πρέπει να αναχωρήσουν μόνο 6 αεροπλάνα από τα 12 που αναχωρούν σε νορμάλ συνθήκες. Ποια από όλα θα αναχωρήσουν; Με ποια κριτήρια θα πάρει κάποιος αυτή την απόφαση και ποιους και πώς θα επηρεάσει αυτή η καθυστέρηση; Όταν ένας εθνικός διαχειριστής εναέριας κυκλοφορίας πρέπει να πάρει αποφάσεις για δεκάδες αεροδρόμια και χιλιάδες πτήσεις, υπάρχουν ένα σωρό μεταβλητές που πρέπει κάποιος να σκεφτεί για να φτιάξει ένα λειτουργικό μοντέλο.

«Θα μπορούσαμε να διαχωρίσουμε τα πολύπλοκα συστήματα που χρήζουν διαχείρισης σε κατηγορία public good, που είναι το παράδειγμα των μεταμοσχεύσεων και σε κατηγορία commercial, στην οποία ανήκει το παράδειγμα με το αεροδρόμιο. Και τα δύο περιέχουν, σε διαφορετικό βαθμό, και ένα στοχαστικό κομμάτι το οποίο και κάνει τα προβλήματα πιο δύσκολα. Μπορούμε να μοντελοποιήσουμε πολλές πτυχές πολύπλοκων προβλημάτων, αλλά δεν θα βγάλουμε αποφάσεις για όλα τα συστήματα παρά μόνο για όσα έχουν μεγάλη απήχηση. Χρειάζεται κρίση για να αντιληφθείς το πρόβλημα τόσο από μαθηματική σκοπιά, όσο και από τη σκοπιά του μηχανικού», λέει ο Καθηγητής υποστηρίζοντας ότι τα μοντέλα του μπορούν να εφαρμοστούν για την αξιολόγηση συστημάτων σε διάφορους τομείς, από τον έλεγχο εναέριας κυκλοφορίας έως τις λειτουργίες τηλεφωνικών κέντρων και την πώληση αγαθών και υπηρεσιών μέσω διαδικτύου. «Το πιο αποτελεσματικό πρόγραμμα εναέριας κυκλοφορίας σε ένα συγκεκριμένο αεροδρόμιο μπορεί να ευνοεί συγκεκριμένες αεροπορικές εταιρείες, για παράδειγμα, αλλά ποσοτικοποιώντας αυτό, οι αναλυτές και οι υπεύθυνοι χάραξης πολιτικής μπορούν τουλάχιστον να μετρήσουν αυτό που οι μελετητές αποκαλούν «τιμή της δικαιοσύνης» και να αναπτύξουν συστήματα στα οποία μπορούν να συμφωνήσουν οι ενδιαφερόμενοι» .

Στην ερώτηση αν αποτυγχάνουν τα μοντέλα ο καθηγητής Τριχάκης απαντά θετικά: «Αποτυγχάνουν, μιας και τα περισσότερα από αυτά έχουν, εκ φύσεως, ένα στοχαστικό κομμάτι. Αλλά, το σημαντικό είναι ότι αποτυγχάνουν με ελεγχόμενο τρόπο, αλλά εξαρχής είναι σχεδιασμένα ώστε η πιθανότητα αποτυχίας να είναι η ελάχιστη. Επίσης, μπορούν να σχεδιαστούν έτσι ώστε ακόμα και όταν αποτύχουν, οι αρνητικές επιπτώσεις να είναι οι ελάχιστες. Πάντα υπάρχει κάποια τυχαιότητα, την οποία προσπαθούμε να ελέγξουμε με τον καλύτερο τρόπο και βάσει των δεδομένων που είναι διαθέσιμα εκείνη τη στιγμή».