Científicos usan el algoritmo de aprendizaje automático para identificar seis tipos de COVID-19 con síntomas definidos

Aunque la tos continua, la fiebre y la pérdida del olfato (anosmia) generalmente se destacan como los tres síntomas clave de la COVID-19, los datos recopilados de los usuarios de la aplicación muestran que las personas pueden experimentar una amplia gama de síntomas diferentes, incluidos dolores de cabeza, dolores musculares, fatiga, diarrea, confusión, pérdida de apetito, falta de aliento y más. La progresión y los resultados también varían significativamente entre las personas, desde síntomas leves parecidos a la gripe o una erupción cutánea simple hasta una enfermedad grave o mortal.

Para averiguar si los síntomas particulares tienden a aparecer juntos y cómo esto se relaciona con la progresión de la enfermedad, el equipo de investigación del King's College de Londres (Londres, Reino Unido) utilizó un algoritmo de aprendizaje automático para analizar datos de un subconjunto de alrededor de 1.600 usuarios en el Reino Unido y los EUA con COVID-19 confirmado, que había registrado con regularidad sus síntomas en la aplicación durante marzo y abril. El análisis reveló seis agrupaciones específicas de síntomas que emergen en puntos de tiempo característicos en la progresión de la enfermedad, que representan seis “tipos” distintos de COVID-19. Luego, el algoritmo se probó ejecutándolo en un segundo conjunto de datos independiente de mil usuarios en el Reino Unido, Estados Unidos y Suecia, que habían registrado sus síntomas durante mayo. Todas las personas que informaron síntomas experimentaron dolor de cabeza y pérdida del olfato, con diversas combinaciones de síntomas adicionales en varios momentos. Algunos de estos, como la confusión, el dolor abdominal y la dificultad para respirar, no se conocen ampliamente como síntomas de la COVID-19, pero son características de las formas más graves de la enfermedad.

El equipo también descubrió que las personas que experimentaban grupos de síntomas particulares tenían más probabilidades de necesitar soporte respiratorio en forma de ventilación u oxígeno adicional. Luego, los investigadores desarrollaron un modelo que combina información sobre la edad, el sexo, el IMC y las afecciones preexistentes junto con los síntomas recopilados en solo cinco días desde el inicio de la enfermedad. Este fue capaz de predecir en qué grupo caía cada paciente y su riesgo de requerir hospitalización y soporte respiratorio con una mayor probabilidad de ser correcto que un modelo de riesgo existente basado únicamente en la edad, el sexo, el IMC y las condiciones preexistentes. Dado que la mayoría de las personas que requieren asistencia respiratoria acuden al hospital alrededor de 13 días después de sus primeros síntomas, estos ocho días adicionales representan una “advertencia temprana” significativa sobre quién es más probable que necesite cuidados más intensivos.

“Estos hallazgos tienen implicaciones importantes para la atención y el seguimiento de las personas que son más vulnerables a una COVID-19 grave”, dijo la Dra. Claire Steves del King’s College de Londres. “Si se puede predecir quiénes son estas personas en el quinto día, hay tiempo para brindarles apoyo e intervenciones tempranas, como monitorear los niveles de oxígeno y azúcar en la sangre, y asegurarse de que estén hidratados adecuadamente: atención simple que se podría brindar en el hogar, evitando hospitalizaciones y salvando vidas”.

“Ser capaz de recopilar grandes conjuntos de datos a través de la aplicación y aplicarles el aprendizaje automático tiene un impacto profundo sobre nuestra comprensión del alcance y el impacto de la COVID-19 y la salud humana en general”, dijo Sebastien Ourselin, profesor de ingeniería de atención médica en el King's College de Londres y autor principal del estudio.

Enlace relacionado:
King's College de Londres