Eina d’anàlisi i visualització de grafs de compatibilitat i cicles de trasplantament per a suport dels KEP (Kidney Exchange Programs)

Abstract

Els Kidney Exchange Programs (KEP) gestionen els procediments de trasplantament de ronyó creuats amb donant viu. Aquests programes permeten a pacients en necessitat d’un ronyó que tenen algun familiar o amic proper disposat a donar-lo però que no són compatibles, trobar una altra parella de pacientdonant en la mateixa situació a on si són compatibles de forma creuada. El donant vinculat a un pacient ofereix un seu ronyó a canvi que el "seu"pacient en rebi un provinent d’un altre donant compatible. En alguns casos, hi ha pacients que tenen més d’un donant vinculat o també hi ha casos de donants altruistes. En aquest projecte, s’ha desenvolupat una aplicació web de suport als equips mèdics dels KEP’s que permet la visualització de les parelles pacient-donant i els possibles trasplantaments que es podrien realitzar en format de graf. La visualització s’ha desenvolupat en JavaScript utilitzant la llibreria D3.js. En aquesta aplicació es permet seleccionar diferents nodes per visualitzar en detall la informació d’aquell pacient i els seus donants vinculats, conjuntament amb les arestes i nodes amb les que interactuen. També es pot seleccionar una aresta per veure en detall els trasplantaments que representa, la seva direcció i la seva puntuació. A l’aplicació web també es pot visualitzar el graf de cicles del conjunt de pacients. Els cicles són un conjunt de trasplantaments que permetrien a un grup de pacients realitzar una cadena de trasplantaments a on tots rebrien un ronyó. Aquests cicles poden ser de 2 o 3 parelles de pacients. En cas de tenir un conjunt de cicles que formin una solució es pot visualitzar quins serien els trasplantaments que es realitzarien. La visualització permet veure en detall els cicles d’un node (direcció, puntuació, etc.) i també es pot seleccionar un cicle en concret per veure la informació en detall. Un altre dels objectius del projecte és l’anàlisi del graf, mitjançant mesures de teoria de grafs i de teoria de la informació, i crear un model de regressió logística per predir si una parella pacient-donant acabarà sent escollida en un cicle de trasplantaments. Concretament, s’han aplicat diferents mesures de centralitat de teoria de grafs, com el grau d’un node o la mesura "betweenness centrality", amb la hipòtesi que un node, com més central és, més probabilitats té de ser escollit per a un trasplantament. Les mesures de teoria de la informació escollides són mesures que modelen un passeig aleatori (random walk) del graf, com la sorpresa entròpica o la informació mútua. Les diferents mesures s’han calculat en Python, i en el cas de les mesures de teoria de grafs s’han calculat amb el suport de la llibreria NetworkX. Amb aquestes mesures conjuntament amb mesures mèdiques, com ara el grup sanguini i el panel-reactive antibody (PRA), s’ha modelat un model de ii regressió logística. El model resultant és un model que prediu la probabilitat d’una parella pacient-donant d’acabar sent seleccionada per un trasplantament i les mesures que utilitza són: el grau de sortida, Clossness Centrality, Betweeness Centrality, el nombre de donants amb grup sanguini B i la sorpresa entròpica. El model s’ha calculat usant R i s’ha utilitzat la llibreria rpy2 per poder fer les prediccions en Python. La predicció del model conjuntament amb algunes de les mesures es poden visualitzar en el graf amb els colors dels nodes. També hi ha un apartat d’estadístiques a on es poden visualitzar aquestes mesures i algunes dades mèdiques en forma d’histograma. L’aplicació web té un sistema d’autentificació d’usuaris i aquests poden guardar i gestionar un conjunt de fitxer JSON amb la informació dels pacients, dels donants, de les compatibilitats entre ells i els possibles cicles a realitzar

Kidney Exchange Programs (KEP) manage living-donor crossover kidney transplant procedures. These programs allow patients in need of a kidney who have a willing relative or close friend to donate but are not compatible, find another patient-donor couple in the same situation where if they are cross-compatible. The donor linked to a patient offers his kidney in exchange for "his" patient receive one from another compatible donor. In some cases, there are patients that have more than one related donor or there are also cases of altruistic donors. In this project, a web application has been developed to support the teams medical records of the KEPs that allows the visualization of the patient-donor pairs and the possible transplants that could be done in graph format. The visualization has been developed in JavaScript using the D3.js library. In this application it is possible to select different nodes to view in detail the information of that patient and their linked donors, together with the edges and nodes with which they interact. An edge can also be selected to see in detail the transplants he represents, his direction and his score. In the web application you can also view the cycle graph of the set of patients. Cycles are a set of transplants that would allow a group of patients to perform a chain of transplants where all would receive a kidney. These cycles can be of 2 or 3 pairs of patients. In case you have a set of cycles that form a solution can be visualized which would be the transplants that would be carried out. The visualization allows you to see in detail the cycles of one node (direction, score, etc.) and a specific cycle can also be selected to see the information in detail. Another of the project's objectives is the analysis of the graph, through measurements of graph theory and information theory, and create a regression model logistics to predict whether a patient-donor match will end up being chosen in a transplant cycle. Specifically, different graph theory centrality measures have been applied, such as the degree of a node or the "betweenness" measure centrality", with the hypothesis that a node, the more central it is, the more probabilities has to be chosen for a transplant. Information theory measures chosen are measures that model a random walk (random walk) of the graph, such as entropic surprise or mutual information. The different measures have calculated in Python, and in the case of graph theory measurements have been calculated supported by the NetworkX library. With these measures together with medical measures, such as the blood group and the panel-reactive antibody (PRA), a model of ii logistic regression. The resulting model is a model that predicts the probability of a patient-donor couple to end up being selected for a transplant and the measures it uses are: the exit degree, Clossness Centrality, Betweeness Centrality, the number of donors with blood type B and the entropic surprise. The model was calculated using R and the rpy2 library was used to make them predictions in Python. The prediction of the model together with some of the measurements can visualize in the graph with the colors of the nodes. There is also a statistics section where you can view these measures and some medical data in the form of a histogram. The web application has a user authentication system and they can save and manage a set of JSON files with the information of patients, donors, of the compatibility between them and the possible cycles to be carried out