Técnica nueva combina el aprendizaje automático y la IA para detectar la sepsis rápidamente incluyendo la producida por la COVID-19

Un avance innovador en la detección rápida de sepsis mediante el aprendizaje automático podría reducir drásticamente el riesgo de muerte de uno de los mayores asesinos del mundo, responsable de una de cada cinco muertes en todo el mundo, incluidas las causadas por la COVID-19.

La nueva técnica, iniciada por investigadores de la Universidad de la Columbia Británica (Vancouver, BC, Canadá), combina el aprendizaje automático y la IA para detectar rápidamente la sepsis. La sepsis, que es difícil de detectar a tiempo, se define como la respuesta disfuncional del cuerpo a una infección y tiene una variedad de síntomas, que incluyen fiebre, fatiga, hiperventilación y frecuencia cardíaca acelerada, que al principio pueden parecer debidas a otras enfermedades.


Por lo general, hay un tiempo de 24 a 48 horas antes de que los médicos y proveedores de atención médica puedan estar seguros de que el paciente tiene sepsis. Pero por cada hora de demora en brindar tratamiento, generalmente un régimen potente de antibióticos, el riesgo de muerte aumenta hasta en un 7,6 %, lo que destaca la necesidad de una detección rápida. Debido a que la sepsis es tan común, la resistencia antimicrobiana desenfrenada es un riesgo si los antibióticos se usan más de lo necesario. Para el estudio, que incluyó el estudio de genómica clínica más grande jamás realizado de pacientes de la sala de emergencias (ER), los investigadores examinaron un total de 348 pacientes en cuatro continentes diferentes. Confirmaron sus hallazgos al volver a examinar otros dos grandes estudios para un total de 1.062 pacientes. La sangre de estos pacientes se sometió a una secuenciación que reveló los niveles de expresión de los genes, lo que determina qué proteínas se producen y, por lo tanto, sirvió para informar sobre el estado inmunológico (incluida la disfunción) de los pacientes con sepsis.

La investigación mostró que la sepsis grave se puede detectar cuando una persona llega por primera vez para recibir atención médica. Utilizando el aprendizaje automático, también conocido como inteligencia artificial, los investigadores pudieron identificar conjuntos de genes que predicen si un paciente adquirirá sepsis grave y podrían dar sentido a las cinco formas distintas (subtipos/endotipos) en las que se manifiesta la sepsis. Esto conducirá a pruebas que permitan a los proveedores de atención médica identificar rápidamente la respuesta disfuncional del cuerpo a una infección al medir estos biomarcadores de expresión génica específicos asociados con la enfermedad.

La técnica también tiene una exactitud del 97 % para identificar cuál de los cinco endotipos de sepsis ocurre en cada paciente. Esto es importante porque dos subtipos están asociados con un riesgo mucho mayor de sepsis grave y muerte. Estos biomarcadores también funcionaron en la UCI, donde se demostró que un endotipo era particularmente mortal, con una tasa de mortalidad del 46 %. La identificación rápida del tipo de sepsis ayudará a los médicos a determinar el tratamiento adecuado. El equipo también identificó otros biomarcadores que evalúan la gravedad de la sepsis (p. ej., que causa insuficiencia orgánica) y el riesgo de muerte. La tecnología para medir la expresión génica ya está presente en los hospitales, y la técnica se puede realizar dentro de las dos horas posteriores al ingreso en urgencias.

“Esta nueva técnica disecciona las respuestas inmunitarias disfuncionales involucradas en la sepsis como nunca, brindando nuevos conocimientos sobre los procesos biológicos involucrados en la sepsis de cualquier tipo, incluida la de COVID-19”, dijo Arjun Baghela, estudiante graduado en el Laboratorio Hancock, quien dirigió el análisis. “La gente no sabe mucho sobre la sepsis, pero en 2020, la cantidad de muertes por sepsis probablemente sea muy superior a una de cada cinco, ya que casi todos los que han muerto por COVID-19 en realidad han muerto por sepsis”.

Enlace relacionado:
Universidad de la Columbia Británica