Modelo de aprendizaje automático usa prueba en sangre para predecir la supervivencia de los pacientes con COVID-19 críticamente enfermos
Por el equipo editorial de HospiMedica en español Actualizado el 24 Jan 2022 |

Imagen: Instalación central de proteómica en el hospital universitario Charité de Berlín (Fotografía cortesía de Johannes Hartl, Charité)
Según un estudio nuevo, 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.
Científicos de la Charité-Universitätsmedizin Berlín (Berlín, Alemania) descubrieron que los niveles de 14 proteínas en la sangre de pacientes críticos con COVID-19 se asociaban con la supervivencia. Los sistemas de atención médica de todo el mundo luchan para acomodar un gran número de pacientes con COVID-19 gravemente enfermos que necesitan atención médica especial, principalmente 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 con COVID-19 en estado crítico que eran tratados en dos centros de atención médica independientes en Alemania y Austria. Se utilizó un enfoque de aprendizaje automático para encontrar asociaciones entre las proteínas medidas y la supervivencia del paciente. Quince de los pacientes de la cohorte fallecieron; 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-19 gravemente enfermos. El modelo demostró un alto poder predictivo en esta cohorte, prediciendo correctamente el resultado de 18 de 19 pacientes que sobrevivieron y cinco de cinco pacientes que fallecieron.
Los investigadores concluyeron 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 determinado cambia la trayectoria proyectada de un paciente individual.
Enlace relacionado:
Charité-Universitätsmedizin Berlín
Científicos de la Charité-Universitätsmedizin Berlín (Berlín, Alemania) descubrieron que los niveles de 14 proteínas en la sangre de pacientes críticos con COVID-19 se asociaban con la supervivencia. Los sistemas de atención médica de todo el mundo luchan para acomodar un gran número de pacientes con COVID-19 gravemente enfermos que necesitan atención médica especial, principalmente 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 con COVID-19 en estado crítico que eran tratados en dos centros de atención médica independientes en Alemania y Austria. Se utilizó un enfoque de aprendizaje automático para encontrar asociaciones entre las proteínas medidas y la supervivencia del paciente. Quince de los pacientes de la cohorte fallecieron; 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-19 gravemente enfermos. El modelo demostró un alto poder predictivo en esta cohorte, prediciendo correctamente el resultado de 18 de 19 pacientes que sobrevivieron y cinco de cinco pacientes que fallecieron.
Los investigadores concluyeron 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 determinado cambia la trayectoria proyectada de un paciente individual.
Enlace relacionado:
Charité-Universitätsmedizin Berlín
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19
Canales
Cuidados Criticos
ver canal
Colonoscopia asistida por IA detecta más pólipos, pero muestra poco impacto en el riesgo de cáncer
El cáncer colorrectal es uno de los cánceres más comunes en el mundo occidental. Actualmente, el cribado se realiza mediante una prueba que detecta sangre en las heces (prueba FIT).... Más
Nueva tecnología reduce la necesidad de anticoagulantes continuos en pacientes con fibrilación auricular
La fibrilación auricular (FA) es la arritmia cardíaca más prevalente y afecta a más de 5 millones de personas en Estados Unidos. Se prevé que esta cifra aumente a 12,1... MásTécnicas Quirúrgicas
ver canal
Pequeñas herramientas robóticas permiten cirugías cerebrales mínimamente invasivas
En las últimas décadas, se ha producido un notable aumento en el desarrollo de herramientas robóticas diseñadas para facilitar cirugías mínimamente invasivas,... MásInnovadoras pinzas magnéticas hacen que la cirugía robótica sea más segura y precisa
Los microrrobots son robots a escala microscópica diseñados mediante nanotecnología, y poseen un enorme potencial para diversas aplicaciones médicas, como cirugía, a... MásCuidados de Pacientes
ver canal
Plataforma de biosensores portátiles reducirá infecciones adquiridas en el hospital
En la Unión Europea, aproximadamente 4 millones de pacientes adquieren infecciones asociadas a la atención de la salud (IAAS), o infecciones nosocomiales, cada año, lo que provoca alrededor de 37.... Más
Tecnología portátil de luz germicida, única en su tipo, desinfecta superficies clínicas de alto contacto en segundos
La reducción de las infecciones adquiridas en la atención sanitaria (IAAS) sigue siendo una cuestión apremiante dentro de los sistemas sanitarios mundiales. Sólo en Estados Unidos, 1,7 millones de pacientes... Más
Solución de optimización de la capacidad quirúrgica ayuda a hospitales a impulsar utilización de quirófanos
Una solución innovadora tiene la capacidad de transformar la utilización de la capacidad quirúrgica al atacar la causa raíz de las ineficiencias los bloques de tiempo quirúrgico.... Más
Innovación revolucionaria en esterilización de instrumentos quirúrgicos mejora significativamente rendimiento del quirófano
Una innovación revolucionaria permite a los hospitales mejorar significativamente el tiempo de procesamiento de instrumentos y el rendimiento en quirófanos y departamentos de procesamiento... MásTI
ver canal
Nanopartículas imprimibles permiten la producción masiva de biosensores portátiles
Es probable que el futuro de la medicina se centre en la personalización de la atención médica, comprendiendo exactamente lo que cada individuo necesita y proporcionando la combinación... Más
Los relojes inteligentes podrían detectar la insuficiencia cardíaca congestiva
El diagnóstico de la insuficiencia cardíaca congestiva (ICC) suele requerir técnicas de diagnóstico por imagen costosas y que consumen mucho tiempo, como la ecocardiografía,... MásPruebas POC
ver canal
Lector de inmunoensayo de pruebas POC proporciona análisis cuantitativo de kits de prueba para diagnóstico más preciso
Un lector de inmunoensayos cuantitativos pequeño y liviano que proporciona un análisis cuantitativo de cualquier tipo de kits o tiras de prueba rápida, y se puede conectar a una PC... Más
Sistema de hemostasia de sangre total POC de última generación reconoce necesidades específicas de servicios de emergencia y quirófanos
Las pruebas hemostáticas actuales proporcionan solo un subconjunto de la información necesaria, o tardan demasiado en ser útiles en situaciones críticas de hemorragia, lo que... Más
Laboratorio portátil permitirá identificación de infecciones bacterianas más rápida y económica en el punto de necesidad
La resistencia a los antimicrobianos (RAM) es la falta de respuesta de las bacterias a un determinado antibiótico debido a mutaciones o genes de resistencia que la especie ha adquirido.... MásNegocios
ver canal
Colaboración ampliada transformará la tecnología en quirófanos mediante IA y automatización
La expansión de una colaboración existente entre tres empresas líderes tiene como objetivo desarrollar soluciones impulsadas por inteligencia artificial (IA) para quirófanos... Más