Un modelo de aprendizaje automático utiliza los análisis de sangre para predecir la supervivencia del COVID-19
Los niveles de 14 proteínas en la sangre de los pacientes críticos de COVID-19 están asociados a la supervivencia
Una sola muestra de sangre de un paciente gravemente enfermo de Covid-19 puede ser analizada por un modelo de aprendizaje automático que utiliza las proteínas del plasma sanguíneo para predecir la supervivencia, semanas antes del desenlace, según un nuevo estudio publicado en la revista de acceso abierto PLOS Digital Health por Florian Kurth y Markus Ralser, de la Charité - Universitätsmedizin Berlin (Alemania), y sus colegas.
Centro de Proteómica del Hospital Universitario Charité de Berlín
Johannes Hartl, Charité
Los sistemas sanitarios de todo el mundo se esfuerzan por dar cabida a un elevado número de pacientes gravemente enfermos que necesitan atención médica especial, sobre todo si se identifican como de alto riesgo. Las evaluaciones de riesgo clínicamente establecidas en la medicina de cuidados intensivos, como el SOFA o el APACHE II, sólo muestran una fiabilidad limitada a la hora de predecir los resultados futuros de la enfermedad por COVID-19.
En el nuevo estudio, los investigadores estudiaron los niveles de 321 proteínas en muestras de sangre tomadas en 349 puntos temporales de 50 pacientes con COVID-19 en estado crítico que recibían tratamiento en dos centros sanitarios independientes de Alemania y Austria. Se utilizó un enfoque de aprendizaje automático para encontrar asociaciones entre las proteínas medidas y la supervivencia de los pacientes.
15 de los pacientes de la cohorte murieron; el tiempo medio desde el ingreso hasta la muerte fue de 28 días. En el caso de los pacientes que sobrevivieron, la mediana del tiempo de hospitalización fue de 63 días. Los investigadores identificaron 14 proteínas que, con el tiempo, cambiaron en direcciones opuestas para los pacientes que sobreviven en comparación con los que no sobreviven en cuidados intensivos. A continuación, el equipo desarrolló un modelo de aprendizaje automático para predecir la supervivencia a partir de una única medición temporal de las proteínas relevantes y probó el modelo en una cohorte de validación independiente de 24 pacientes de COVID-10 en estado crítico. El modelo demostró un alto poder predictivo en esta cohorte, prediciendo correctamente el resultado de 18 de 19 pacientes que sobrevivieron y de 5 de 5 pacientes que murieron (AUROC = 1,0, P = 0,000047).
Los investigadores concluyen que los análisis de proteínas en sangre, si se validan en cohortes más amplias, pueden ser útiles tanto para identificar a los pacientes con mayor riesgo de mortalidad como para comprobar si un determinado tratamiento cambia la trayectoria prevista de un paciente individual.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
