Sistemas sanitarios de todo el mundo enfrentan el reto de atender a un gran número de pacientes graves de covid-19, especialmente aquellos identificados como de alto riesgo. En unidades de cuidados intensivos (UCI), se emplean comúnmente escalas de pronóstico, como SOFA o APACHE II, para prever la evolución de los enfermos basándose en diversos parámetros. Sin embargo, estas herramientas han demostrado una fiabilidad limitada en los casos de covid-19.
Recientes investigaciones dirigidas por científicos europeos han demostrado que los niveles de 14 proteínas en la sangre de un paciente grave por covid-19 pueden ser analizados mediante un modelo de aprendizaje automático para predecir su supervivencia en la UCI. Este avance, publicado en la revista PLOS Digital Health, permite predecir con semanas de antelación si la persona sobrevivirá.
«Nuestro estudio muestra que una combinación de marcadores proteómicos, integrados en un modelo de predicción basado en inteligencia artificial, puede prever con bastante precisión la probabilidad de que un paciente muera o sobreviva a la covid», afirmó Florian Kurth, coautor del estudio y miembro del hospital universitario Charité en Berlín, Alemania. Además, Kurth añadió que «la predicción proteómica del riesgo fue mucho más precisa que los pronósticos derivados de las evaluaciones de riesgo usadas habitualmente en la práctica clínica».
Para realizar la investigación, el equipo comenzó analizando los niveles de 321 proteínas en muestras de sangre de 50 pacientes críticos de covid-19 que estaban siendo tratados con ventilación mecánica en dos centros sanitarios de Alemania y Austria. Utilizaron aprendizaje automático para encontrar asociaciones entre las proteínas medidas y la supervivencia de los pacientes. De los 50 pacientes analizados, 15 murieron y el tiempo medio desde el ingreso hasta su fallecimiento fue de 28 días, mientras que para los sobrevivientes, el periodo medio de hospitalización fue de 63 días.
Las proteínas que mostraron mayor relevancia en el modelo de predicción pertenecen a los sistemas de coagulación y de complemento, ambos cruciales para la fisiopatología y la gravedad de la covid-19. Entre las proteínas identificadas, se encuentran la alfa-2 macroglobulina, APOC3 y varias serpinas, cuyas concentraciones variaban de manera significativa según los pacientes sobrevivieran o no en la UCI.
«Los niveles plasmáticos de todas esas proteínas se habían visto alterados por la enfermedad, dependiendo de la gravedad, lo que nos hace confiar en nuestros hallazgos», puntualizó Kurth. Además, se afirmó que la precisión del modelo se comprobó en un grupo adicional de 24 pacientes críticos en Austria, logrando predecir correctamente a 18 de los 19 pacientes que sobrevivieron y a 5 de las 5 personas que murieron.
Los investigadores concluyen que una vez validados en cohortes más amplias, los análisis de proteínas en sangre podrían ser útiles tanto para identificar a los pacientes con mayor riesgo de mortalidad como para entender mejor la covid-19 y evaluar si un tratamiento específico puede cambiar la predicción en casos individuales.
«Ahora queremos ver si podemos trasladar esta metodología desde entornos de investigación a laboratorios estándar de mediciones clínicas y evaluar el método en grupos más grandes de pacientes, y potencialmente, para otras enfermedades», adelantó Kurth.
Esta innovadora investigación podría allanar el camino para mejorar la precisión y efectividad de los cuidados intensivos en pacientes críticos de covid-19, ofreciendo una herramienta adicional en la lucha contra la pandemia.
Derechos: Creative Commons. Fuente: Agencia Sinc.
