回望1988年，當Bob Jones正在做一臺肝臟移植手術時，他一定想不到29年以后，他會對人工智能充滿興趣。

Jones是澳洲墨爾本奧斯汀肝移植健康中心的主管，他跟他的同事Lawrence Lau一起開發出一個算法，可以幫助醫療機構更好地匹配器官捐贈者和器官接受者。Jone表示，他們計劃利用特別設計的人工智能程序來提高肝臟移植匹配的準確性，進而最大程度避免移植失敗和病人死亡的情況。

他帶領的團隊將大約25個供體和受體的特征輸入到人工智能程序，用數據點來預測器官移植之后的恢復情況。

“這個機器學習算法能通過學習多個供體和受體的特征來預測匹配結果。”他解釋道，“我們使用性別、年齡、潛在疾病、血型等基本信息，外加關于供體的確定特征，肝臟排異參數等重要信息。”

使用人工智能來評估75名成年肝移植患者的術后情況后，他們發現移植手術30天后，AI預測的移植失敗準確度高達84%，依傳統方法只有68%。

“這是首次真正意味著我們可以用定量的方法來評估器官的適用性。”他補充道，“與當前方法相反，這其實可以歸結為根據醫生經驗來審視所有數據，然后做出診斷結果。”

Jones表示，他們已經將許多學術期刊投遞了這一研究成果，下一步將進行前瞻性隨機試驗。

澳洲韋斯特米德醫院腎臟移植主任和澳洲器官移植協會的董事會成員Jeremy Chapman就此表示，實驗初步結果貌似十分積極的。但是他強調稱，這一研究只能運用于最早期階段，即用于幫助決策而不是決定最后手術與否。

他還建議，該算法可能并不能立即適用于其他地區，因為在墨爾本，Jones帶領的團隊執行這一算法的方式可能帶有其他地區所不具備的特定功能。

作為一個腎移植專家，他補充道，器官移植系統不僅要考慮手術預測結果，還要考慮到公平、器官最佳使用狀況等諸多因素。

“你只要從最合適的捐贈者體內取出器官，把它放到最合適的接受者體內，你就可以很容易地改善器官移植的結果。”Chapman說，“使用我們過去移植結果數據，并通過優化基于公平的分配制度，我們就能在循序漸進改進器官移植的狀況。”

針對Chapman的評價，Jones強調稱他們的項目處于“非常早期的階段”，但是他們對深入的預測過程，包括那些不怎么容易量化的因素十分感興趣。不過Jones也承認他們設置參數有些通用之處，但有時候一個數字并不能完全表達病人的狀況。

但無論如何，對Jones而言，新技術的應用無疑顯示了未來的器官移植狀況將令人興奮。