Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

HospiMedica

Deascargar La Aplicación Móvil
Noticias Recientes COVID-19 Cuidados Criticos Téc. Quirúrgica Cuidados de Pacientes TI Pruebas POC Negocios Focus

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
Print article
Imagen: Instalación central de proteómica en el hospital universitario Charité de Berlín (Fotografía cortesía de Johannes Hartl, Charité)
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

Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
Miembro Oro
SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test
SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)
New
Body Composition Analyzer
seca mBCA Pro
New
Auditory Evoked Potential Device
Bio-logic NavPRO ONE

Print article

Canales

Cuidados de Pacientes

ver canal
Imagen: La plataforma de biosensores portátil utiliza sensores electroquímicos impresos para la detección rápida y selectiva de Staphylococcus aureus (foto cortesía de AIMPLAS)

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

TI

ver canal
Imagen: Un sensor de sudor portátil basado en la tecnología de nanopartículas de núcleo-capa (Foto cortesía de Caltech)

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

Pruebas POC

ver canal
Imagen: El lector de inmunoensayo cuantitativo RPD-3500 (Fotografía cortesía de BK Electronics)

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