Pruebas ágiles realizadas al lado de la cama podrían ayudar a enfrentar desafíos en cuidados intensivos

Cuando los pacientes ingresan en una unidad de cuidados intensivos, los profesionales de la salud brindan tratamiento en función de los signos y síntomas que observan. Este enfoque no incluye necesariamente la comprensión de las causas definitivas detrás de esos síntomas. Sin embargo, aunque algunos pacientes pueden presentar síntomas similares, la biología subyacente de sus enfermedades puede variar, lo que ayuda a explicar por qué pacientes con los mismos signos y síntomas a menudo responden de manera diferente a los tratamientos. En los últimos años, los avances tecnológicos en ciencias moleculares, big data y aprendizaje automático han permitido a los investigadores profundizar en la comprensión de enfermedades y síntomas. Este nuevo conocimiento puede cambiar radicalmente la forma en que los profesionales de la salud abordan los cuidados críticos a nivel de paciente individual.

En un artículo reciente publicado en Nature Medicine, investigadores de la Universidad de Queen (Kingston, ON, Canadá) han argumentado que es hora de un cambio de paradigma en los cuidados intensivos. David Maslove (Facultad de Medicina), quien junto con sus colegas publicó el artículo, habló con The Gazette sobre cómo la pandemia de COVID-19 promovió la investigación de cuidados intensivos y qué brechas de conocimiento aún debemos abordar para poner en práctica este nuevo enfoque. Durante la última década o dos, a medida que las nuevas herramientas en medicina molecular, como la genómica y el perfil de expresión génica, se generalizaron, los profesionales de la salud comenzaron a aplicarlas en cuidados intensivos. Esas tecnologías permiten una mirada mucho más profunda a lo que sucede a nivel de la célula y el genoma cuando alguien está gravemente enfermo. También generan cantidades masivas de datos, datos que los métodos estadísticos tradicionales no siempre manejan de manera intuitiva. Como resultado, los enfoques de aprendizaje automático complementan a la perfección los nuevos datos derivados de estas tecnologías: revelan patrones ocultos que pueden proporcionar información sobre la heterogeneidad o diversidad de los síndromes de enfermedades críticas, según Maslove.

Dado que un grupo de pacientes en estado crítico se vio afectado por el mismo patógeno: el virus COVID19, SARS-CoV-2, Maslove cree que hubo una gran oportunidad para probar tratamientos potenciales en un grupo que era más homogéneo de lo habitual, aumentando las posibilidades que una terapia afectaría a todos de la misma manera en promedio. Los investigadores pudieron diseñar y realizar rápidamente ensayos clínicos aleatorios para probar terapias potenciales e identificaron algunos tratamientos efectivos. Antes de eso, debido a que los ensayos clínicos trataban a grupos heterogéneos, algunos pacientes se beneficiaron del tratamiento y otros no. Era más difícil saber si el tratamiento propuesto funcionó para alguien. En un nivel práctico, los investigadores aprendieron algunas lecciones clave sobre la importancia de la infraestructura de investigación para poder recopilar y analizar datos rápidamente, y la importancia de estar listo para inscribir pacientes en ensayos clínicos de manera eficiente, según Maslove. También reafirmaron que la aleatorización de los tratamientos es la mejor manera de identificar cuáles funcionan mejor. Científicos de cuidados intensivos de todo el mundo estaban trabajando juntos hacia un objetivo singular, reafirmando la importancia de la colaboración internacional.

Maslove cree que es necesario aclarar qué significa responder a un tratamiento en el contexto de la UCI, donde los casos son tan dinámicos y complejos que puede ser difícil comprender si un tratamiento ha proporcionado beneficios en un caso determinado. También existe la necesidad de biomarcadores que puedan usarse para identificar a los pacientes que tienen más o menos probabilidades de responder a un tratamiento dado. En cuidados intensivos, un desafío particular es que los profesionales de la salud no pueden enviar un análisis de sangre a un laboratorio lejano y esperar a que se complete una prueba compleja como la secuenciación del ARN. Existe la necesidad de pruebas ágiles que se puedan realizar al lado de la cama, según Maslove. Con este tipo de investigación, hay un cambio hacia la medicina de precisión, un enfoque pionero en el tratamiento del cáncer, que ofrece enormes beneficios potenciales. Al identificar qué pacientes tienen más probabilidades de responder a qué tratamientos, los profesionales de la salud pueden aumentar la eficiencia de la atención que brindan. El enfoque de la medicina de precisión también evita que los pacientes reciban tratamientos ineficaces.

Enlaces relacionados:
Universidad de Queen