Inteligencia Artificial pronostica quién necesita cuidados críticos para COVID-19

Los científicos han desarrollado y validado un algoritmo que puede ayudar a los profesionales de la salud a identificar quién tiene mayor riesgo de morir por COVID-19 cuando ingresa en un hospital, informa un estudio publicado hoy en eLife.

La herramienta, que utiliza inteligencia artificial (IA), podría ayudar a los médicos a dirigir los recursos de atención crítica a quienes más los necesitan, y será especialmente valiosa para los países con recursos limitados.

«La aparición de nuevas variantes del SARS-CoV-2, la disminución de la protección inmunológica y la relajación de las medidas de mitigación significa que es probable que sigamos viendo aumentos repentinos de infecciones y hospitalizaciones», explica el líder de este proyecto internacional y autor principal, David Gómez-Varela, ex Líder del grupo Max Planck y actual científico principal de la División de Farmacología y Toxicología de la Universidad de Viena, Austria. «Existe una necesidad de herramientas de triaje clínicamente valiosas y generalizables para ayudar a la asignación de recursos hospitalarios para COVID-19, particularmente en lugares donde los recursos son escasos. Pero estas herramientas deben poder hacer frente al escenario en constante cambio de una pandemia global y debe ser fácil de implementar».

Para desarrollar una herramienta de este tipo, el equipo utilizó datos bioquímicos de extracciones de sangre de rutina realizadas en casi 30 000 pacientes hospitalizados en más de 150 hospitales en España, EE. UU., Honduras, Bolivia y Argentina entre marzo de 2020 y febrero de 2022. Esto significa que pudieron capturar datos de personas con diferentes estados inmunitarios (vacunados, no vacunados y con inmunidad natural) y de personas infectadas con todas las variantes del SARS-CoV-2, desde el virus que surgió en Wuhan, China, hasta la última variante de Omicron. «La variabilidad intrínseca en un conjunto de datos tan diverso es un gran desafío para los modelos de predicción basados ​​en IA», dice el autor principal Riku Klén, profesor asociado de la Universidad de Turku, Finlandia.

El algoritmo resultante, llamado COVID-19 Disease Outcome Predictor (CODOP), utiliza mediciones de 12 moléculas de sangre que normalmente se recolectan durante la admisión. Esto significa que la herramienta predictiva se puede integrar fácilmente en la atención clínica de cualquier hospital.

CODOP se desarrolló en un proceso de varios pasos, inicialmente utilizando datos de pacientes hospitalizados en más de 120 hospitales en España, para «entrenar» el sistema de IA para predecir las características de un mal pronóstico.

El siguiente paso fue asegurarse de que la herramienta funcionara independientemente del estado inmunitario de los pacientes o de la variante de COVID-19, por lo que probaron el algoritmo en varios subgrupos de pacientes geográficamente dispersos. La herramienta aún funcionó bien para predecir el riesgo de muerte en el hospital durante este escenario fluctuante de la pandemia, lo que sugiere que las mediciones en las que se basa CODOP son biomarcadores verdaderamente significativos de si es probable que un paciente con COVID-19 se deteriore.

Para probar si el momento de realizar los análisis de sangre afecta el rendimiento de la herramienta, el equipo comparó datos de diferentes puntos de tiempo de extracción de sangre antes de que los pacientes se recuperaran o murieran. Descubrieron que el algoritmo puede predecir la supervivencia o la muerte de pacientes hospitalizados con alta precisión hasta nueve días antes de que ocurra cualquiera de los resultados.

Finalmente, crearon dos versiones diferentes de la herramienta para usar en escenarios donde los recursos de atención médica funcionan normalmente o están bajo una gran presión. Bajo una carga operativa normal, los médicos pueden optar por utilizar una versión de «sobretriage», que es muy sensible para detectar personas con mayor riesgo de muerte, a expensas de detectar a algunas personas que no requieren cuidados críticos. El modelo alternativo de «subtriage» minimiza la posibilidad de seleccionar erróneamente a las personas con menor riesgo de morir, brindando a los médicos una mayor certeza de que están dirigiendo la atención a las personas con mayor riesgo cuando los recursos son muy limitados.

«El desempeño de CODOP en grupos de pacientes diversos y geográficamente dispersos y la facilidad de uso sugieren que podría ser una herramienta valiosa en la clínica, especialmente en países con recursos limitados», comenta Gómez-Varela. «Ahora estamos trabajando en un modelo dual de seguimiento adaptado al escenario pandémico actual de aumento de infecciones y protección inmunológica acumulada, que predecirá la necesidad de hospitalización dentro de las 24 horas para pacientes dentro de la atención primaria y la admisión en cuidados intensivos dentro de las 48 horas para los que ya están hospitalizados. Esperamos ayudar a los sistemas de atención médica a restablecer los estándares anteriores de atención de rutina antes de que se produjera la pandemia».