Un nuevo estudio encontró que una herramienta de inteligencia artificial predijo con precisión qué pacientes recién infectados con el virus COVID-19 desarrollarían una enfermedad respiratoria grave.
El trabajo fue dirigido por la Escuela de Medicina Grossman de la NYU y el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York, en colaboración con el Hospital Central de Wenzhou y el Hospital Popular de Cangnan, ambos en Wenzhou, China.
denominado "SARS-CoV-2", el nuevo virus causa la enfermedad llamada "enfermedad por coronavirus 2019" o "COVID-19". Al 30 de marzo, el virus había infectado a 735,560 pacientes en todo el mundo. Según la Organización Mundial de la Salud,la enfermedad ha causado más de 34,830 muertes hasta la fecha, con mayor frecuencia entre pacientes mayores con afecciones de salud subyacentes. El Departamento de Salud del Estado de Nueva York ha reportado más de 33,700 casos hasta la fecha en la ciudad de Nueva York.
Publicado en línea el 30 de marzo en la revista Computadoras, Materiales y Continua , el estudio también reveló los mejores indicadores de severidad futura y descubrió que no eran los esperados.
"Si bien queda trabajo para validar aún más nuestro modelo, es prometedor como otra herramienta para predecir los pacientes más vulnerables al virus, pero solo en apoyo de la experiencia clínica ganada por los médicos en el tratamiento de infecciones virales", dice el autor del estudio correspondienteMegan Coffee, MD, PhD, profesora asistente clínica en la División de Enfermedades Infecciosas e Inmunología del Departamento de Medicina de la Facultad de Medicina Grossman de la NYU.
"Nuestro objetivo era diseñar e implementar una herramienta de apoyo a la toma de decisiones utilizando capacidades de IA, principalmente análisis predictivos, para marcar la futura gravedad clínica del coronavirus", dice el coautor Anasse Bari, PhD, profesor asistente clínico en Ciencias de la Computación enel Instituto Courant. "Esperamos que la herramienta, cuando esté completamente desarrollada, sea útil para los médicos, ya que evalúan qué pacientes moderadamente enfermos realmente necesitan camas y quién puede irse a casa con seguridad, con los recursos hospitalarios agotados".
predictores de sorpresa
Para el estudio, se recogieron hallazgos demográficos, de laboratorio y radiológicos de 53 pacientes, ya que cada uno dio positivo en enero de 2020 para el virus del SARS-CoV2 en los dos hospitales chinos. Los síntomas generalmente eran leves, como tos, fiebre,y malestar estomacal. Sin embargo, en una minoría de pacientes, se desarrollaron síntomas graves con una semana, incluida la neumonía.
El objetivo del nuevo estudio era determinar si las técnicas de IA podrían ayudar a predecir con precisión qué pacientes con el virus desarrollarían Síndrome de dificultad respiratoria aguda o SDRA, la acumulación de líquido en los pulmones que puede ser mortal en elmayor.
Para el nuevo estudio, los investigadores diseñaron modelos de computadora que toman decisiones basadas en los datos que se les suministran, y los programas se vuelven "más inteligentes" a medida que más datos consideran. Específicamente, el estudio actual utilizó árboles de decisión que rastrean series de decisiones entre opciones, y que modelan las posibles consecuencias de las elecciones en cada paso de un camino.
Los investigadores se sorprendieron al encontrar que las características consideradas características del COVID-19, como ciertos patrones vistos en imágenes pulmonares p. Ej., Opacidades en vidrio esmerilado, fiebre y fuertes respuestas inmunes, no fueron útiles para predecir cuál de los muchos pacientescon síntomas iniciales leves, se desarrollaría una enfermedad pulmonar grave. Tampoco la edad y el género fueron útiles para predecir una enfermedad grave, aunque estudios anteriores habían encontrado que los hombres mayores de 60 años tenían un mayor riesgo.
En cambio, la nueva herramienta de IA descubrió que los cambios en tres características: los niveles de la enzima hepática alanina aminotransferasa ALT, los niveles de mialgia y hemoglobina informados fueron los más precisos para predecir la enfermedad grave posterior. Junto con otros factores,el equipo informó que podía predecir el riesgo de SDRA con una precisión de hasta el 80 por ciento.
Los niveles de ALT, que aumentan dramáticamente a medida que enfermedades como la hepatitis dañan el hígado, fueron solo un poco más altos en pacientes con COVID-19, dicen los investigadores, pero aún aparecieron de manera prominente en la predicción de la gravedad. Además, dolores musculares profundos mialgia también fueron más comunes y han sido vinculados por investigaciones anteriores a una mayor inflamación general en el cuerpo.
Por último, los niveles más altos de hemoglobina, la proteína que contiene hierro que permite que las células sanguíneas transporten oxígeno a los tejidos corporales, también se relacionaron con dificultad respiratoria posterior. ¿Podría esto explicarse por otros factores, como fumar tabaco no reportado, que ha sido durante mucho tiempo¿relacionado con el aumento de los niveles de hemoglobina? De los 33 pacientes entrevistados en el Hospital Central de Wenzhou sobre el tabaquismo, los dos que informaron haber fumado, también informaron que habían dejado de fumar.
Las limitaciones del estudio, dicen los autores, incluyeron el conjunto de datos relativamente pequeño y la gravedad clínica limitada de la enfermedad en la población estudiada. Esto último puede deberse en parte a una escasez aún inexplicada de pacientes ancianos ingresados en los hospitales duranteel período de estudio. La edad promedio de los pacientes fue de 43 años.
"Prestaré más atención en mi práctica clínica a nuestros puntos de datos, observando a los pacientes más de cerca si, por ejemplo, se quejan de mialgia severa", agrega Coffee. "Es emocionante poder compartir datos con el campo en tiempo real cuandopuede ser útil. En todas las epidemias pasadas, los periódicos solo se publicaron mucho después de que las infecciones habían disminuido ".
Fuente de la historia :
Materiales proporcionado por NYU Langone Health / NYU School of Medicine . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :