Modelo predictivo nuevo ayuda a identificar a las personas en riesgo de COVID-19 severa

Un modelo nuevo predictivo puede ayudar a identificar a las personas en riesgo de COVID-19 severa, ayudando en la lucha contra la pandemia global.

Investigadores del Instituto Buck (Novato, CA, EUA), analizaron datos de la aplicación COVID-19 Symptom Tracker, utilizada por tres millones de personas en el Reino Unido, agregando el uso de medicamentos inmunosupresores, el uso de una ayuda para la movilidad, dificultad para respirar, fiebre, y fatiga a la lista de síntomas y comorbilidades, que aumentan el riesgo de COVID-19 grave. De los tres millones de personas que usaron la aplicación, unas 11.000 dieron positivo al virus y unas 500 terminaron en el hospital.

La aplicación de seguimiento de síntomas recopila datos desde múltiples ángulos, pidiendo a las personas que describan cómo se sienten, los síntomas que experimentan y los medicamentos que usan, junto con factores demográficos y de estilo de vida, como la nutrición y la dieta. Los resultados no identificaron la edad cronológica como un factor de riesgo de COVID-19 grave y el hecho de que las personas mayores tienen menos probabilidades de usar una aplicación de teléfono inteligente fue una limitación del estudio. Sin embargo, muchos de los factores identificados en el estudio están relacionados con el envejecimiento. Además, los hallazgos identificaron el uso de medicamentos inmunosupresores como un factor predictivo importante de enfermedades más graves que justifican una mayor investigación.

“¿Estos pacientes están peor debido a una enfermedad autoinmune/autoinflamatoria subyacente o porque los medicamentos suprimen su respuesta inflamatoria? No lo sabemos”, dijo el profesor asociado del Instituto Buck, David Furman, PhD, el científico principal, quien dirigió el estudio. “Los laboratorios de todo el mundo estudian la respuesta inmune hiperactiva que conduce a la tormenta de citoquinas asociada con la COVID-19 severa. Nuestros hallazgos destacan la necesidad de comprender la biología de lo que está en juego en estos casos”.

Furman y sus colegas usan inteligencia artificial y aprendizaje automático para realizar otras investigaciones relacionadas con la COVID. Realizan esfuerzos para predecir que pacientes se convertirán, probablemente, en “transportistas de larga distancia” de COVID, es decir, aquellos que experimentan síntomas debilitantes continuos mucho después de recuperarse de una enfermedad aguda. Los investigadores también correlacionaron datos anteriores que identificaron fenotipos de envejecimiento dentro de los proteomas individuales (el complemento completo de proteínas expresadas dentro de nuestras células y tejidos) con los proteomas de los infectados con el coronavirus. Furman dice que los datos preliminares sugieren que hay un subgrupo de pacientes con COVID-19 que envejecen más rápido en lo que respecta a su proteoma. Él dice que la esperanza es identificar intervenciones que restauren la expresión de sus proteínas a un estado más joven.

Enlace relacionado:
Instituto Buck