El modelo de aprendizaje automático utiliza análisis de sangre para predecir la supervivencia de COVID-19

Instalación central de proteómica en el hospital de la Universidad Charit de Berlín. Crédito: Johannes Hartl, Charit

Se puede analizar una sola muestra de sangre de un paciente gravemente enfermo con COVID-19 mediante un modelo de aprendizaje automático que utiliza proteínas del plasma sanguíneo para predecir la supervivencia, semanas antes del resultado, según un nuevo estudio publicado este semana en la revista de acceso abierto PLOS Digital Health por Florian Kurth y Markus Ralser de CharitUniversittsmedizin Berlin, Alemania, y colegas.

Los sistemas de atención médica de todo el mundo están luchando para acomodar a un gran número de pacientes gravemente enfermos con COVID-19 que necesitan atención médica especial, especialmente si se identifica que tienen un alto riesgo. Las evaluaciones de riesgo clínicamente establecidas en la medicina de cuidados intensivos, como SOFA o APACHE II, muestran solo una confiabilidad limitada para 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 de tiempo de 50 pacientes críticos con COVID-19 que estaban siendo tratados en dos centros de salud independientes en 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. Para los pacientes que sobrevivieron, la mediana de 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 pacientes que no sobreviven en cuidados intensivos. Luego, el equipo desarrolló un modelo de aprendizaje automático para predecir la supervivencia en función de una medición de proteínas relevantes en un solo punto de tiempo y probó el modelo en una cohorte de validación independiente de 24 pacientes con COVID-10 gravemente enfermos. El modelo demostró un alto poder predictivo en esta cohorte, prediciendo correctamente el resultado de 18 de 19 pacientes que sobrevivieron y 5 de 5 pacientes que fallecieron (AUROC = 1,0, P = 0,000047).

Los investigadores concluyen que Las pruebas de proteínas en sangre, si se validan en cohortes más grandes, pueden ser útiles tanto para identificar a los pacientes con el mayor riesgo de mortalidad como para evaluar si un tratamiento dado cambia la trayectoria proyectada de un paciente individual.

Explore más

Los pacientes con COVID en estado crítico con lesión renal aguda tienen más probabilidades de morir que aquellos con una enfermedad crónica preexistente Más información: Demichev V, Tober-Lau P, Nazarenko T, Lemke O, Kaur Aulakh S, Whitwell H, et al. (2022) Un predictor de supervivencia proteómica para pacientes con COVID-19 en cuidados intensivos. Salud del dígito PLOS 1(1): e0000007. doi.org/10.1371/journal.pdig.0000007 Proporcionado por Public Library of Science Cita: El modelo de aprendizaje automático usa análisis de sangre para predecir la supervivencia de COVID-19 (2022, 18 de enero) recuperado el 29 de agosto de 2022 de https ://medicalxpress.com/news/2022-01-machine-blood-covid-survival.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.