La herramienta dinámica predice con precisión el riesgo de que el COVID-19 progrese a una enfermedad grave o a la muerte
Crédito: CC0 Public Domain
Los médicos a menudo aprenden a reconocer patrones en los casos de COVID-19 después de tratar a muchos pacientes con él. Los sistemas de aprendizaje automático prometen mejorar esa capacidad, reconociendo patrones más complejos en un gran número de personas con COVID-19 y utilizando esa información para predecir el curso del caso de un paciente individual. Sin embargo, los médicos que juraron «no hacer daño» pueden ser reacios a basar las estrategias de tratamiento y atención para sus pacientes más graves en algoritmos de aprendizaje automático difíciles de usar o interpretar.
Ahora, los investigadores de Johns Hopkins Medicine han desarrollado un sistema avanzado de aprendizaje automático que puede predecir con precisión cómo será el brote de COVID-19 de un paciente y transmitir sus hallazgos al médico en una forma fácilmente comprensible. La nueva herramienta de pronóstico, conocida como Severe COVID-19 Adaptive Risk Predictor (SCARP), puede ayudar a definir el riesgo de uno y siete días de que un paciente hospitalizado con COVID-19 desarrolle una forma más grave de la enfermedad o muera por it.
SCARP solicita una cantidad mínima de entrada para dar una predicción precisa, lo que lo hace rápido, fácil de usar y confiable para basar las decisiones de tratamiento y atención. La nueva herramienta se describe en un artículo publicado por primera vez en línea el 2 de marzo en Annals of Internal Medicine.
«SCARP fue diseñado para proporcionar a los médicos una herramienta predictiva que es interactiva y adaptativa, permitiendo que las variables clínicas en tiempo real para ser ingresado al lado de la cama del paciente», dice Matthew Robinson, MD, profesor asistente de medicina en la Facultad de Medicina de la Universidad Johns Hopkins y autor principal del artículo. «Al generar una predicción clínica personalizada de desarrollar una enfermedad grave o la muerte en el próximo día y semana, y en cualquier momento de las dos primeras semanas de hospitalización, SCARP permitirá que un equipo médico tome decisiones más informadas sobre la mejor manera de tratar a cada paciente con COVID-19».
El cerebro de SCARP es un algoritmo predictivo llamado Random Forests for Survival, Longitudinal and Multivariate Data (RF-SLAM), descrito en un artículo de 2019 por sus creadores, investigadores de Johns Hopkins Medicine Shannon Wongvibulsin, MD/Ph.D. alumno; Dra. Katherine Wu; y Scott Zeger, Ph.D.
A diferencia de los métodos de predicción clínica anteriores que basan el puntaje de riesgo de un paciente en su condición al momento de ingresar al hospital, RF-SLAM se adapta a la última información disponible del paciente y considera la cambios en esas medidas a lo largo del tiempo. Para hacer posible este análisis dinámico, RF-SLAM divide la estancia hospitalaria de un paciente en ventanas de seis horas. Los datos recopilados durante esos lapsos de tiempo luego son evaluados por los «bosques aleatorios» del algoritmo de aproximadamente 1,000 «árboles de decisión» que operan como un conjunto. Esto permite que SCARP brinde una predicción más precisa de un resultado que la que cada árbol de decisión individual podría hacer por sí solo.
«De la misma manera que las acciones y los bonos individuales se desempeñan mejor como una cartera con el valor general manteniéndose fuerte como los artículos individuales equilibran las subidas y bajadas de precio de los demás; los árboles como grupo crean un bosque flexible y adaptable que se protegen unos a otros de los errores individuales», dice Robinson. «Entonces, incluso si algunos árboles predicen incorrectamente, muchos otros lo harán bien y moverán al grupo en la dirección correcta».
Robinson dice que la mayoría de los sistemas de aprendizaje automático utilizados para hacer predicciones clínicas solo pueden considerar estática datos en un solo momento. «RF-SLAM nos permite ser ágiles y predecir el futuro en cualquier momento», explica.
Para demostrar la capacidad de SCARP para predecir casos graves de COVID-19 o muertes por la enfermedad, Robinson y sus colegas utilizaron un registro clínico con datos de pacientes hospitalizados con COVID-19 entre marzo y diciembre de 2020, en cinco centros del Sistema de Salud Johns Hopkins. La información del paciente disponible incluía datos demográficos, otras condiciones médicas y factores de riesgo conductuales, junto con más de 100 variables a lo largo del tiempo, como signos vitales, hemogramas, perfiles metabólicos, frecuencias respiratorias y la cantidad de oxígeno suplementario necesario.
Entre 3,163 pacientes admitidos con COVID-19 moderado durante este tiempo, 228 (7%) se enfermaron gravemente o murieron dentro de las 24 horas; 355 adicionales (11%) se enfermaron gravemente o murieron en la primera semana. También se recopilaron datos sobre el número de personas que desarrollaron COVID-19 grave o fallecieron cualquier día dentro de los 14 días posteriores a la admisión.
En general, las predicciones de riesgo de SCARP para un día de progresión a COVID-19 grave o muerte fueron 89 % de precisión, mientras que las predicciones de riesgo de siete días para ambos resultados fueron 83 % de precisión.
Robinson dice que se planean más ensayos de SCARP para validar su desempeño a gran escala utilizando bases de datos nacionales de pacientes. Según los resultados del primer estudio, Johns Hopkins Medicine ya incorporó una versión de SCARP en el sistema de registro médico electrónico en sus cinco hospitales en el área de Maryland y Washington, DC.
«Nuestro La demostración exitosa muestra que SCARP tiene el potencial de ser una calculadora de riesgo fácil de usar, altamente precisa y clínicamente significativa para pacientes hospitalizados con COVID-19», dice Robinson. «Tener una comprensión sólida del riesgo en tiempo real de un paciente de progresar a una enfermedad grave o morir dentro de las próximas 24 horas y la próxima semana podría ayudar a los proveedores de atención médica a tomar decisiones de tratamiento y elecciones más informadas para sus pacientes con COVID-19 a medida que se enferman más». .»
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Shannon Wongvibulsin et al. Desarrollo del predictor de riesgo adaptativo de COVID-19 grave (SCARP), una calculadora para predecir enfermedad grave o muerte en pacientes hospitalizados con COVID-19, Annals of Internal Medicine (2021). DOI: 10.7326/M20-6754 Información de la revista: Annals of Internal Medicine
Proporcionado por la Facultad de Medicina de la Universidad Johns Hopkins Cita: La herramienta dinámica predice con precisión el riesgo de COVID- 19 que progresa a enfermedad grave o muerte (10 de marzo de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-dynamic-tool-accurately-covid-severe.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.