Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19

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.

Para desarrollar la herramienta, un equipo internacional, dirigido por la Universidad de Viena (Viena, Austria), utilizó datos bioquímicos de extracciones de sangre de rutina realizadas en casi 30.000 pacientes hospitalizados en más de 150 hospitales en España, EUA, 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, Omicron.

El algoritmo resultante, llamado Predictor del Resultado de la Enfermedad COVID-19 (Disease Outcome COVID-19, 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, utilizando inicialmente 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 también 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 desempeño 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 gran exactitud 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 “sobretriaje”, que es muy sensible para detectar a las personas con mayor riesgo de muerte, a expensas de captar a algunas personas que no requerían 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 dirigen 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”, dijo el líder de este proyecto internacional y autor principal, David Gómez-Varela, antiguo líder del grupo Max Planck y actual científico principal de la División de Farmacología y Toxicología de la Universidad de Viena. “Nuestro trabajo se concentra ahora en un modelo dual de seguimiento adaptado al escenario pandémico actual de aumento de infecciones y protección inmunológica acumulativa, que predecirá la necesidad de hospitalización en las siguientes 24 horas para los pacientes en atención primaria y la admisión en cuidados intensivos en las 48 horas siguientes para aquellos ya hospitalizados. Esperamos ayudar a los sistemas de atención médica a restaurar los estándares anteriores de atención de rutina antes de que se produjera la pandemia”.

Enlaces relacionados:
Universidad de Viena