Seguridad de la página de inicio
jueves, 15 abril 2021
Log in

UNA HERRAMIENTA DE INTELIGENCIA ARTIFICIAL QUE USA UNA TRANSAMINASA PREDICE GRAVEDAD DE CORONAVIRUS

  • Escrito por Dr.Poo
  • Publicado en Prevención

Entérate de cómo un grupo de investigadores chinos y americanos lograron proponer un herramienta de Inteligencia Interficial para detectar en forma temprana a aquellos que tienen más probabilidad de presentar cuadros graves de infección por Coronavirus. Sorprendentemente, uno de los indicadores utilizados incluye el nivel de la transaminasa TGP en la sangre de los pacientes afectados.  

Desde diciembre de 2019, el virus SARS-CoV-2, causante de la enfermedad del Coronavirus COVID-19, inició una diseminación mundial desde la provincia de Wuhan en China Central hasta el resto del mundo. Dado que la enfermedad ya ha sido declarada una pandemia que potencialmente puede consumir mùltiples recursos a nivel hospitalarios (camas de Terapia Intensiva, oxígeno, ventiladores, personal especializado) diversos grupos de investigación consideran que sería fundamental disponer de herramientas para identificar a aquellos con mayor riesgo.

Se sabe que alrededor del 80% de los pacientes afectados tienen una enfermedad leve, con buen desenlace, sin embargo un grupo pequeño si progresará a formas graves de afección pulmonar y eventualmente a la muerte. Por ello, un grupo de investigadores liderados por el Dr. Jiangao Jiang, del Departmento de Infectología del Hospital Wenzhou, en la provincia de Zheijiang, situada en la zona sudeste de China, en colaboración con las doctoras Megan Coffee y Annase Bari, de la División de Infectología e Inmunología de la Universidad Columbia y del Instituto de Matemáticas de la Universidad de Nueva York, en los EEUU se dieron a la tarea de identificar un algoritmo que pueda predecir escenarios de mayor gravedad. 

Consideraron que los indicadores habituales incluyendo edad, genero y co-morbilidades podrían tener un valor predictivo bajo y por ello tendrían que involucrar otras variables y desenlaces, incluyendo la posibilidad final de muerte. La Inteligencia Articial, a través del análisis de diversos parámetros, ha permitido identificar pacientes en mayor riesgo de Infarto al Miocardio, Enfermedad de Ebola, Tuberculosis o Cáncer Mamario. Dado que no existían modelos previos en esta enfermedad específica, los  autores utilizaron técnicas matemáticas de arboles de decisiones y herramientas analíticas predictivas, basadas en modelos de neumonia.

Coronavirus nCoV 2019 3D Chest CT 41 YO patient RaMaterial y métodos: Utilizaron datos demográficos, clínicos y de laboratorio de 53 pacientes hospitalizados, todos con confirmación por el método de RT-PCR, de la infección por COVID-2. La edad promedio fue de 43 años (rango de 13 a 67 años), 38% mujeres, Los síntomas más comunes fueron la tos (68%) y la fiebre (89%), dificultad respiratoria (22%), sibilancias o silvidos en el tòrax (22%), diarrea (12%) y dolor muscular (10%), entre otros. La duración promedio de los síntomas fue de 3 días (rango de 1 a 5). Un 21% tenían hipertensión arterial y solo un 6% antecedente de tabaquismo. A su llegada al hospital, desde el punto de vista bioquímico, los valores promedio de Biometría Hemática, Química Sanguínea y proteína C reactiva estaban dentro de la normalidad. Los niveles de pro-calcitonina, un indicador de sepsis o infección grave, salio normal en el 92% de los participantes. Desde el punto de vista radiológico, 43/53 (88%) presentaron opacidades en "vidrio esmerilado" y por lo tanto fueron considerados como afectados por una Neumonía. Al momento de su llegada al hospital, 11 sujetos (27%) recibieron oxígeno suplementario.

Modelo matemático: se utilizaron estadísticas predictivas (una forma de inteligencia articial) para aprender sobre datos históricos y predecir escenarios de desenlace futuro. Se analizaron todas las variables cuantitativas y cualitativas de cada sujeto participante con el objetivo de identicar escenarios predictivos, utilizando diversos algoritmos. 

Resultados: Durante su estancia hospitalaria, 19 pacientes (47.5% requirieron oxígeno, generalmente a cantidades menores a 2 litros por minuto y nadie requirió intubación pulmonar o diálisis. Solo 5 de ellos desarrollaron una enfermedad pulmonar grave diagnosticada como ARDS Acute Respiratory Distress Sydrome), uno de ellos requirió manejo en la Terapia INtensiva y ninguno falleció. El tiempo promedio de estancia hospiitalaria fue de 27 días (rando 23 a 31 días).

Todos los 53 pacientes recibieron tratamiento con Lopinavir y Ritonavir;  adicionalmente 29 pacientes recibieron umifenovir y  43 pacientes supositorios de interferon humano, alfa 2 a, recombinate. Se sospechó infección asociada secundaria en 44% de los pacientes, por lo cual recibieron tratamiento con diversos esquemas de antibióticos siendo lo más frecuente la amoxicilina con clavulonato o la levofloxacina. 

Hallazgos matemáticos con tecnicas predictivas de inteligencia articial:

Se identificaron las siguientes variables con valor predictivo para curso pulmonar adverso:

1. Niveles elevados de la transaminasa TGP (ALT)
2. Dolores musculares
3. Niveles elevados de hemoglobina
4. Género masculino
5. Temperatura elevada
6. Sodio
7. Potasio
8. Cuenta linfocitaria baja 
9. Creatinina elevada
10. Edad mayor a 60 años
11. Cuenta de glòbulos blancos elevada 

Los valores con mayor valor predictivo fueron la transaminasa TGP, la presencia de dolores musculares y los niveles de hemoglobina. La simple consideración de elevación de TGP (ALT) como parámetro aislado tuvo una excatitud del 70% para predecir escenarios adversos. Juntando los 3 anteriores, la exactitud sube al 80%.  

Discusión: Considerando otras publicaciones, los autores se orientaron a investigar el valor predictivo de la edad mayor de 60 años o ser del género masculino o bien tener comorbilidades. Sin embargo, no se detectó que tuvieran suficiente valor predictivo. Interesantemente, tampoco la presencia de disnea o la detecccion de tomografía con patrón "en vidrio esmerilado" resultaron tener valor predictivo. Sorprendentemente, los 3 valores con mayor valor predictivo resultaron ser los valores elevados de ALT (una muy conocida enzima hepática), la presencia de dolores musculares (conocido como mialgias) y los niveles elevados de hemoglobina.   

Conclusión: los autores consideran que su estudio puede tener diversas limitaciones y algunas de ellas un poco serias, por ejemplo el haber incluido solo a 53 pacientes, con pocos sujetos en diversos espectors de la enfermedad, desde escenarios leves hasta muy graves, así como el sólo tener un exactitud predictiva de alrededor del 70-80%. Consideran que estos resultados deben ser confirmados o validados en otras poblaciones y por otros grupos de investigación. Los autores aceptan que estas herramientas de Inteligencia Articial no pretenden crear una caja negra mágica que entrega resultados que substituyan al razonamiento médico, sino màs bien contribuir a la detección temprana de pacientes con posibles desenlaces graves.. 

Recuerda que si tienes dudas sobre la interpretación de este artículo y su posible aplicación a tu caso particular, debes comentarlo con tu médico tratante quien seguramente estará en mejores condiciones de explicarte si sus conclusiones aplican a tu situación específica. 

Referencias:

1. Xiangao Jiang, Megan Coffee, Anasse Bari,Junzhang Wang, Xinyue Jiang, Jianping Huang, Jichan Shi, Jianyi Dai, Jing Cai, Tianxiao Zhang, Zhengxing Wu, Guiqing He, Yitong Huang.Towards an Artificial Intelligence Framework for Data-Driven Prediction of Coronavirus Clinical Severity. Computers, Materials & Continua. CMC, vol.63, no.1, pp.537-551, 2020.

2. Guan, W.; Ni, Z.; Hu, Y.; Liang, W.; Ou, C. et al. Clinical characteristics of coronavirus disease 2019 in China. New England Journal of Medicine 2020.