Un modelo de edad biológica derivado de aprendizaje automático para injertos hepáticos ofrece una evaluación del envejecimiento superior a la edad cronológica en trasplantes

Por qué la edad del hígado importa para los pacientes trasplantados

Los trasplantes de hígado salvan vidas, pero nunca hay suficientes órganos donantes para cubrir la demanda. Muchos hígados se descartan simplemente porque los donantes son mayores, aunque algunos de esos órganos podrían funcionar bien. Este estudio plantea una pregunta sencilla con grandes consecuencias: en lugar de juzgar un hígado por cuántos cumpleaños tuvo su donante, ¿pueden los médicos estimar cuán “viejo” está realmente el propio órgano?

Mirando más allá del calendario

Los médicos suelen clasificar los hígados de los donantes por edad cronológica, el número de años que vivió el donante. A los donantes mayores a menudo se les etiqueta como de mayor riesgo, y sus hígados pueden descartarse o usarse con precaución. Sin embargo, la investigación sugiere que el hígado envejece más despacio que muchos otros órganos y puede mantenerse sano incluso en personas muy mayores. Eso significa que un hígado de un donante de 70 años podría funcionar como el de alguien mucho más joven, mientras que otro hígado de un donante de mediana edad ya podría estar deteriorado. Los autores sostienen que lo que importa es la edad biológica del órgano, una medida de su estado físico real, no solo la fecha en un certificado de nacimiento.

Convertir pruebas de laboratorio en una estimación de edad

Para construir una medida mejor de la edad del hígado, el equipo estudió 247 donantes fallecidos en un único centro de trasplantes. Antes de la donación, cada donante se sometió a exploraciones por imagen y análisis de sangre que cubrían la función hepática, la coagulación sanguínea y la inflamación. Estos 20 marcadores clínicos rutinarios capturan cuán rígido está el tejido hepático, qué tan bien produce proteínas, qué tan fácil fluye la sangre a través de él y cuánta inflamación presenta. Usando estas mediciones, los investigadores entrenaron varios modelos informáticos, incluidos modelos estadísticos tradicionales y métodos de aprendizaje automático más flexibles, para estimar la edad biológica de cada injerto. Los modelos empezaron por aprender cómo suelen cambiar estos marcadores conforme las personas envejecen, y luego usaron ese patrón para asignar una puntuación semejante a la edad a cada hígado.

El aprendizaje automático detecta desgaste oculto

Los investigadores probaron entonces sus modelos en un grupo separado de 82 pares donante-receptor trasplantados posteriormente. Un modelo lineal convencional coincidió mejor con las edades reales de los donantes, pero en su mayoría reprodujo la edad cronológica y no reveló información adicional sobre el riesgo. En contraste, un modelo de aprendizaje automático de tipo gradient boosting capturó patrones más complejos. Hizo un trabajo peor imitando la edad cronológica, pero sus puntuaciones de edad biológica se relacionaron fuertemente con resultados clínicos reales. Los hígados cuya edad biológica era mayor que la edad cronológica del donante tenían más probabilidades de provocar problemas en los conductos biliares tras la cirugía y se asociaron con una peor supervivencia del injerto. En este modelo, una edad biológica más alta de lo esperado emergió como un factor de riesgo independiente para la pérdida del injerto, incluso tras ajustar por la condición del receptor y detalles quirúrgicos.

Clasificando hígados en grupos de envejecimiento más rápido y más lento

Para facilitar el uso clínico de los resultados, el equipo dividió los injertos en dos grupos según la brecha entre la edad biológica y la cronológica. Los hígados del grupo de envejecimiento acelerado, donde el órgano parecía más viejo que los años del donante, tuvieron un peor comportamiento tras el trasplante. Aquellos en el grupo de envejecimiento desacelerado, cuya edad biológica coincidía o iba por detrás de la edad cronológica, mostraron una supervivencia a largo plazo notablemente mejor. De forma llamativa, cuando los donantes se agruparon solo por edad cronológica, las curvas de supervivencia se solaparon y no mostraron una diferencia clara. Esto sugiere que la edad biológica derivada mediante aprendizaje automático está detectando desgaste biológico real que los simples cortes por edad no captan.

Qué significa esto para futuros trasplantes

En términos cotidianos, este trabajo muestra que algunos hígados de donantes mayores pueden ser más seguros de lo que parecen en el papel, mientras que otros de donantes más jóvenes pueden ser inesperadamente frágiles. Al condensar muchas señales de laboratorio e imagen en una sola “edad del órgano” intuitiva, el modelo ofrece una nueva forma de juzgar la calidad del injerto y emparejar donantes con receptores. Los hallazgos aún son preliminares y proceden de un solo centro, por lo que se necesita una validación más amplia. Pero si se confirman, usar la edad biológica en lugar de la cronológica podría ayudar a los médicos a rescatar más hígados utilizables del pool de donantes mientras protegen mejor a los pacientes de injertos de alto riesgo.

Cita: Wang, Y., Zhang, L., Xiong, X. et al. A machine learning-derived biological age model for liver grafts provides a superior assessment of aging compared to chronological age in transplantation. Sci Rep 16, 14868 (2026). https://doi.org/10.1038/s41598-026-45531-z

Palabras clave: trasplante de hígado, edad biológica, aprendizaje automático, donación de órganos, supervivencia del injerto