AI

Un equipo de investigadores de la Universidad de Yale y otras instituciones a nivel mundial ha desarrollado una innovadora plataforma de clasificación de pacientes impulsada por inteligencia artificial (IA) que, según los investigadores, es capaz de predecir la gravedad de la enfermedad del paciente y la duración de la hospitalización durante un brote viral.

La plataforma, que aprovecha el aprendizaje automático y los datos metabolómicos, tiene como objetivo mejorar la gestión de pacientes y ayudar a los proveedores de atención médica a asignar recursos de manera más eficiente durante brotes virales graves que pueden abrumar rápidamente los sistemas de atención médica locales. La metabolómica es el estudio de pequeñas moléculas relacionadas con el metabolismo celular.

"Poder predecir qué pacientes pueden ser enviados a casa y aquellos que posiblemente necesiten ingreso en la unidad de cuidados intensivos es fundamental para los funcionarios de salud que buscan optimizar los resultados de salud de los pacientes y utilizar los recursos hospitalarios de manera más eficiente durante un brote", dijo el autor principal Vasilis Vasiliou, profesor de epidemiología en la Escuela de Salud Pública de Yale.

Los investigadores desarrollaron la plataforma utilizando COVID-19 como modelo de enfermedad. Los hallazgos se publicaron en línea en la revista Human Genomics el 28 de agosto.

La plataforma integra datos clínicos de rutina, información sobre comorbilidad del paciente y datos de metabolómica plasmática no específicos para impulsar sus predicciones.

"Nuestra plataforma de clasificación de pacientes basada en IA es distinta de los modelos típicos de predicción de IA de COVID-19", dijo Georgia Charkoftaki, autora principal del estudio e investigadora científica asociada en el Departamento de Ciencias de la Salud Ambiental de YSPH. "Sirve como base piedra angular para un enfoque proactivo y metódico para abordar los próximos brotes virales".

Utilizando el aprendizaje automático, los investigadores construyeron un modelo de gravedad de COVID-19 y predicción de hospitalización basado en datos clínicos y perfiles metabólicos recopilados de pacientes hospitalizados con la enfermedad. "El modelo nos llevó a identificar un panel de biomarcadores clínicos y metabólicos únicos que eran altamente indicativos de la progresión de la enfermedad y permitían predecir las necesidades de manejo del paciente muy poco después de la hospitalización", escribieron los investigadores en el estudio.

Ser capaz de predecir qué pacientes pueden ser enviados a casa y aquellos que posiblemente necesiten ingreso en la unidad de cuidados intensivos es fundamental para los funcionarios de salud que buscan optimizar los resultados de salud de los pacientes y utilizar los recursos hospitalarios de manera más eficiente durante un brote.

Para el estudio, el equipo de investigación recopiló datos completos de 111 pacientes con COVID-19 ingresados ​​en el Hospital Yale New Haven durante un período de dos meses en 2020 y 342 individuos sanos (trabajadores de la salud) que sirvieron como controles. Los pacientes se clasificaron en diferentes clases según sus necesidades de tratamiento, desde no necesitar oxígeno externo hasta requerir presión positiva en las vías respiratorias o intubación.

El estudio identificó una serie de metabolitos elevados en plasma que tenían una clara correlación con la gravedad de la COVID-19. Incluían alantoína, 5-hidroxitriptófano y ácido glucurónico.

En particular, se descubrió que los pacientes con niveles elevados de eosinófilos en sangre tenían un peor pronóstico de la enfermedad, lo que exponía un posible nuevo biomarcador de la gravedad del COVID-19. Los investigadores también observaron que los pacientes que requirieron presión positiva en las vías respiratorias o intubación mostraron niveles reducidos de serotonina en plasma, un hallazgo inesperado que, según dijeron, justifica más investigaciones.

La plataforma de clasificación de pacientes asistida por IA tiene tres componentes esenciales:

Como parte del estudio, el equipo de investigación desarrolló un software fácil de usar, el software COVID Severity by Metabolomic and Clinical Study (CSMC), que integra aprendizaje automático y datos clínicos para proporcionar gestión prehospitalaria de pacientes y clasificar las condiciones de los pacientes cuando llegan. en el servicio de urgencias.

"Nuestra plataforma modelo proporciona un enfoque personalizado para el manejo de pacientes con COVID-19, pero también sienta las bases para futuros brotes virales", dijo Vasiliou, presidente del Departamento de Ciencias de la Salud Ambiental de YSPH y profesora de Epidemiología Susan Dwight Bliss (Salud Ambiental). Ciencias). "Mientras el mundo sigue lidiando con la COVID-19 y nosotros permanecemos atentos a posibles brotes futuros, nuestra plataforma impulsada por IA representa un paso prometedor hacia una respuesta de salud pública más eficaz y basada en datos".

Las limitaciones del estudio incluyen el hecho de que todas las muestras se recolectaron entre marzo y mayo de 2020, un período anterior a la aparición de las vacunas COVID-19 y antes de que estuvieran disponibles muchos tratamientos para el virus SARS-CoV-2, como el remdesivir. Dichos tratamientos podrían reducir los cambios observados en los biomarcadores de metabolitos. En segundo lugar, la población de controles sanos era principalmente blanca, mientras que los pacientes con COVID-19 comprendían una mayor proporción de personas negras. Como tal, no se puede excluir la posibilidad de que la raza o el origen étnico sean un factor que contribuya a las diferencias entre los sujetos.

Investigadores del Laboratorio de Química Analítica de la Universidad Nacional y Kapodistriana de Atenas, Grecia; Colegio Imperial de Londres; y el Instituto de Química São Carlos de la Universidad de São Palo, Brasil, contribuyeron al estudio.