Predicción de la supervivencia de pacientes con COVID-19 mediante inteligencia artificial

La pandemia ocasionada por COVID-19 provocó la saturación de hospitales y clínicas debido a los esfuerzos por atender un gran número de pacientes graves con esta enfermedad, entre ellos, un buen porcentaje con alto riesgo de requerir unidades de cuidados intensivos (UCI).

La selección del tratamiento en los enfermos máximos en estado crítico –por ejemplo, determinar si un afectado debe ser tratado o no con oxigenación por membrana extracorpórea (ECMO)– tiene un efecto de primer orden sobre los recursos. En la actualidad, estas decisiones se basan, principalmente, en la edad de la persona, las comorbilidades y los modelos de análisis de cuidados en profundidad instalados, que incluyen la Evaluación Secuencial de la Falla de Órganos (SOFA, por sus siglas en inglés) o la Evaluación de la Fisiología Aguda y la Salud Crónica (APACHE II), que verifican al paciente a través de una mezcla de parámetros médicos y de laboratorio.

Sin embargo, los valores predictivos de cada SOFA y APACHE II para los máximos tipos vitales de COVID-19 son limitados, creciendo un agujero de diagnóstico y acercándose a la necesidad de predictores fiables, en particular, probados en enfermos críticos de COVID-19, para identificar y adaptar significativamente los esfuerzos en el tratamiento.

En la patología causada por el virus SARS-CoV-2 no se tiene definido cómo poder predecir el curso de la enfermedad, por lo que algunos científicos europeos han determinado que los resultados de algunas proteínas de la sangre, mediante un modelo de aprendizaje automático, ayudan a saber, con antelación, si una persona sobrevivirá o no.

La investigación comenzó con el análisis de 321 proteínas séricas, que fueron extraídas en 349 momentos, de 50 pacientes en estado crítico por COVID-19, en tratamiento con ventilación mecánica asistida, en dos hospitales de Alemania y Austria. Posteriormente, se empezó a utilizar el modelo de inteligencia artificial, con aprendizaje automatizado, para encontrar asociaciones entre las proteínas y la supervivencia de los enfermos.

Durante el estudio, fallecieron 15 personas, y el tiempo medio, desde el ingreso a la unidad hospitalaria hasta su deceso, fue de 28 días. Las que sobrevivieron tuvieron un período de hospitalización de 63 días, en promedio; dentro de las investigaciones sanguíneas, se pudo identificar que 14 proteínas que presentaban variaciones importantes podrían determinar si los pacientes sobrevivían o no en las UCI. Los resultados fueron publicados el 18 de enero del presente año, en el portal médico PLOS Digital Health.

El coautor del artículo, Florian Kurth, del Hospital Universitario en Berlín, indicó que su estudio revela una combinación de marcadores proteómicos junto con un modelo de predicción de riesgo basado en inteligencia artificial, que puede predecir, con alta confiabilidad, las probabilidades de que un paciente muera o sobreviva al COVID- 19. Asimismo, señaló que funciona mejor que las evaluaciones clínicas utilizadas habitualmente en las unidades de cuidados intensivos.

De igual manera, algunos otros investigadores realizaron análisis de los cambios por COVID-19 en el proteoma plasmático, la reacción del huésped dentro de la fase inflamatoria temprana que marca la pauta para el desarrollo de la enfermedad grave o severa; incluso, sin la tecnología de auxilio, algunos biomarcadores son útiles para la monitorización de la respuesta inmune y el desarrollo de la enfermedad.

Este modelo es capaz de pronosticar, con semanas de antelación, la evolución de las personas que se encuentran dentro de las UCI. Este prototipo comenzó con la evaluación y determinación de 14 proteínas séricas que intervienen en el sistema de la coagulación y la llamada cascada de complemento (parte de la respuesta del sistema inmunológico), las cuales son importantes dentro de la fisiopatología y la gravedad del COVID-19.

En el hospital de Austria, este modelo predictivo se probó en 24 pacientes en estado crítico a causa de la infección por SARS-CoV-2, en donde se logró predecir el curso de la enfermedad en 18 de los 19 afectados que sobrevivieron, así como en los cinco que fallecieron por las complicaciones ocasionadas por la infección viral. Por lo anterior, los investigadores consideran que el análisis de poblaciones más amplias puede ser útil para identificar a aquellos pacientes con alto riesgo de mortalidad, para que puedan recibir un mejor manejo mediante un tratamiento individualizado.

En los próximos meses, se espera que esta metodología pueda ser aplicada en unidades de cuidado intensivo en todo el mundo y que no sólo sea aplicable al COVID-19, sino que sea útil para tratar otro tipo de padecimientos.