A intelixencia artificial axuda a predicir a supervivencia de pacientes covid en UCI

O modelo de aprendizaxe automática parte dos niveis en sangue de 14 proteínas e é capaz de diagnosticar se unha persoa en estado grave salvará ou non a vida

Un estudo levado a cabo entre Alemaña e Austria aplica a intelixencia artificial para predicir o estado de pacientes críticos de Covid-19.
Un estudo levado a cabo entre Alemaña e Austria aplica a intelixencia artificial para predicir o estado de pacientes críticos de Covid-19.

A irrupción da pandemia acelerou os avances científicos. Vacinas dispoñibles en menos dun ano para inmunizar á poboación. E, tamén, a incorporación da intelixencia artificial. Agora, un equipo de investigadores europeos xa emprega modelos de aprendizaxe automática para predicir a superviviencia de pacientes de Covid-19 en UCI. Os científicos demostraron que a partir das mostras de sangue —en concreto de 14 proteínas do seu plasma— das persoas graves podíase determinar con semanas de antelación se a persoa sobreviviría. Os resultados do estudo acaban de ser publicados na revista PLOS Digital Health.

“O noso estudo mostra unha combinación de marcadores proteómicos, combinados nun modelo de predición de risco baseado en intelixencia artificial, pode predicir bastante ben a probabilidade de que un paciente individual morra ou sobreviva á Covid-19″, declara o co-autor Florian Kurth do hospital universitario Charité en Berlín (Alemaña), en declaracións á Agencia SINC. “Ademais, a predición do risco preteómica foi moito mellor que o prognóstico derivado das puntuacións de avaliación de risco que se usan habitualmente na asistencia clínica”, engade.

Busca de proteínas sanguíneas clave

Para realizar a investigación, os científicos comezaron estudando os niveis de 321 proteínas de mostras de sangue tomadas en 349 momentos en 50 pacientes con Covid-19 en estado crítico que estaban sendo tratados con ventilación mecánica en centros de Alemaña e Austria. A continuación aplicouse a intelixencia artificial para atopar asociacións entre as proteínas e a supervivencia das persoas enfermas. Do grupo de ensaio analizado, morreron 15 pacientes e o tempo medio de ingreso ata o falecemento foi de 18 días. No caso dos que sobreviviron, o o período medio de hospitalización foi de 63 días.

Estudáronse os niveis de 321 proteínas de mostras de sangue de 50 pacientes críticos de Covid-19

Amais diso, os investigadores identificaron 14 proteínas cuxas medidas cambiaron ao longo do tempo, movéndose nas gráficas en direccións opostas segundo os pacientes sobrevivían ou non en coidados intensivos. “Curiosamente, os niveis plasmáticos de todas esas proteínas víronse alterados pola enfermidade anteriormente, dependendo da gravidade, o que nos fai confiar nos nosos achados”, apunta Kurth. Ao tempo, engade: “As proteínas con maior relevancia no modelo de predición pertencen ao sistema de coagulación e á chamada fervenza ou sistema de complemento (un compoñente da resposta inmunitaria). Sábese que ambos son especialmente importantes para a fisiopatoloxía e a gravidade da Covid-19”.

Predición da supervivencia

A continuación, o equipo desenvolveu un modelo de aprendizaxe automática para predicir a supervivencia a partir dunha única medición temporal das proteínas relevantes, e probouno en Austria con 24 pacientes en estado crítico a causa do coronavirus. Con este grupo de persoas, o modelo demostrou un alto poder preditivo, logrando determinar correctamente que 18 de 19 pacientes sobrevivirían e cinco morrerían.

Con estes resultados, os investigadores defenden que as análises de proteínas en sangue poden ser útiles para identificar a pacientes con maior risco de mortalidade e, tamén, para entender mellor a enfermidade e comprobar se un determinado tratamento cambia a predición ao ser aplicado en casos individuais. “Agora queremos ver se podemos transferir esta metodoloxía desde instalacións de investigación a unha contorna cotiá, a un laboratorio estándar con medicións clínicas, ademais de avaliar o método en grupos máis grandes de pacientes, e probablemente tamén para outras enfermidades”, adianta Kurth.


Referencia: A proteomic survival predictor for COVID-19 patients in intensive care. (Publicado en PLOS Digit Health)

DEIXAR UNHA RESPOSTA

Please enter your comment!
POLÍTICA DE COMENTARIOS:

GCiencia non publicará comentarios ofensivos, que non sexan respectuosos ou que conteñan expresións discriminatorias, difamatorias ou contrarias á lexislación vixente.

GCiencia no publicará comentarios ofensivos, que no sean respetuosos o que contentan expresiones discriminatorias, difamatorias o contrarias a la ley existente.

Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.