回望1988年，当Bob Jones正在做一台肝脏移植手术时，他一定想不到29年以后，他会对人工智能充满兴趣。

Jones是澳洲墨尔本奥斯汀肝移植健康中心的主管，他跟他的同事Lawrence Lau一起开发出一个算法，可以帮助医疗机构更好地匹配器官捐赠者和器官接受者。Jone表示，他们计划利用特别设计的人工智能程序来提高肝脏移植匹配的准确性，进而最大程度避免移植失败和病人死亡的情况。

他带领的团队将大约25个供体和受体的特征输入到人工智能程序，用数据点来预测器官移植之后的恢复情况。

“这个机器学习算法能通过学习多个供体和受体的特征来预测匹配结果。”他解释道，“我们使用性别、年龄、潜在疾病、血型等基本信息，外加关于供体的确定特征，肝脏排异参数等重要信息。”

使用人工智能来评估75名成年肝移植患者的术后情况后，他们发现移植手术30天后，AI预测的移植失败准确度高达84%，依传统方法只有68%。

“这是首次真正意味着我们可以用定量的方法来评估器官的适用性。”他补充道，“与当前方法相反，这其实可以归结为根据医生经验来审视所有数据，然后做出诊断结果。”

Jones表示，他们已经将许多学术期刊投递了这一研究成果，下一步将进行前瞻性随机试验。

澳洲韦斯特米德医院肾脏移植主任和澳洲器官移植协会的董事会成员Jeremy Chapman就此表示，实验初步结果貌似十分积极的。但是他强调称，这一研究只能运用于最早期阶段，即用于帮助决策而不是决定最后手术与否。

他还建议，该算法可能并不能立即适用于其他地区，因为在墨尔本，Jones带领的团队执行这一算法的方式可能带有其他地区所不具备的特定功能。

作为一个肾移植专家，他补充道，器官移植系统不仅要考虑手术预测结果，还要考虑到公平、器官最佳使用状况等诸多因素。

“你只要从最合适的捐赠者体内取出器官，把它放到最合适的接受者体内，你就可以很容易地改善器官移植的结果。”Chapman说，“使用我们过去移植结果数据，并通过优化基于公平的分配制度，我们就能在循序渐进改进器官移植的状况。”

针对Chapman的评价，Jones强调称他们的项目处于“非常早期的阶段”，但是他们对深入的预测过程，包括那些不怎么容易量化的因素十分感兴趣。不过Jones也承认他们设置参数有些通用之处，但有时候一个数字并不能完全表达病人的状况。

但无论如何，对Jones而言，新技术的应用无疑显示了未来的器官移植状况将令人兴奋。