Modelo de inteligencia artificial (IA) identifica a los pacientes con COVID-19 mediante pruebas de sangre y radiografías de tórax

Los investigadores han desarrollado una aplicación de aprendizaje automático para la predicción de la infección por SARS-CoV-2 mediante análisis de sangre y radiografías de tórax.

El modelo de aprendizaje automático, desarrollado por investigadores de la Universidad de Hong Kong (Hong Kong), pudo lograr una alta exactitud para la predicción de la infección por SARS-CoV-2 en un estudio de validación. El uso complementario de la radiografía de tórax podría desempeñar un papel en el aumento de la sensibilidad al tiempo que se logra una especificidad moderada cuando se combina con el modelo de sangre de aprendizaje automático, lo que puede tener implicaciones potenciales en la clasificación de pacientes, particularmente cuando los recursos para las pruebas de RT-PCR son escasos.

El objetivo de este estudio fue aplicar aprendizaje automático para la tarea de detección de COVID-19 utilizando marcadores de laboratorio básicos y explorar el papel coadyuvante de las radiografías de tórax. Los investigadores inicialmente realizaron una comparación estadística de análisis de sangre en pacientes con diferentes etiologías de neumonía, incluido la COVID-19 que involucró a 5.148 pacientes en 24 hospitales de Hong Kong durante la primera y segunda oleadas de infección. Esto se hizo para establecer una comparación de laboratorio de referencia entre la COVID-19 de otras neumonías y otros diagnósticos. Luego, los investigadores entrenaron y validaron modelos de aprendizaje automático utilizando análisis de sangre básicos en comparación con las pruebas de RT-PCR de referencia para predecir el estado de la infección por COVID-19 y explorar diferentes escenarios de casos de uso con el complemento de las radiografías de tórax. Luego, los modelos se validaron con conjuntos de validación temporal en otras oleadas de infección en Hong Kong.

Para predecir la infección por SARS-CoV-2, el modelo de aprendizaje automático logró AUC y especificidad altas, pero baja sensibilidad en los tres conjuntos de validación (AUC: 89,9-95,8%; Sensibilidad: 55,5-77,8%; Especificidad: 91,5-98,3%). Cuando se utiliza junto con las interpretaciones de los radiólogos de las radiografías de tórax, la sensibilidad fue superior al 90% manteniendo una especificidad moderada. El estudio mostró que el modelo de aprendizaje automático basado en marcadores de laboratorio fácilmente disponibles podría lograr una alta exactitud en la predicción de la infección por SARS-CoV-2.

Enlace relacionado:
Universidad de Hong Kong