Dalla rivista scientifica Nature Machine Intelligence. Machine Learning: il modello identifica tre biomarcatori associati alla mortalità COVID-19.
Gli strumenti di Machine Learning hanno selezionato tre biomarcatori – deidrogenasi lattica, linfociti e livelli proteici C reattivi ad alta sensibilità – che possono predire la mortalità dei pazienti COVID-19 da campioni di sangue di 485 individui infetti a Wuhan, in Cina, secondo un articolo pubblicato su Nature Machine Intelligenza. Questi strumenti hanno predetto la mortalità dei singoli pazienti con più di dieci giorni di anticipo rispetto ai loro risultati con un’accuratezza superiore al 90%.
La valutazione clinica rapida, accurata e precoce della gravità COVID-19 dei pazienti è vitale. Tuttavia, non esiste attualmente alcun biomarcatore predittivo disponibile per distinguere i pazienti che richiedono cure mediche immediate e per stimare il loro tasso di mortalità associato.
Ye Yuan, colleghi di Li Yan hanno analizzato campioni di sangue di 485 pazienti di Wuhan, in Cina, per identificare marcatori robusti e significativi del rischio di mortalità. I campioni raccolti tra il 10 gennaio e il 18 febbraio 2020 da pazienti dell’ospedale di Tongji sono stati utilizzati per lo sviluppo di modelli. Dei 375 casi inclusi nell’analisi, 201 sono guariti da COVID-19 e sono stati dimessi dall’ospedale, mentre i restanti 174 pazienti sono deceduti.
Gli autori hanno progettato un approccio di modellizzazione matematica basato su algoritmi di Machine Learning ideati per identificare i biomarcatori più predittivi della mortalità dei pazienti. Il problema è stato formulato come compito di classificazione, in cui gli input includevano informazioni di base, sintomi, campioni di sangue e risultati di test di laboratorio, tra cui funzionalità epatica, funzionalità renale, funzione di coagulazione, elettroliti e fattori infiammatori, prelevati da pazienti generali, gravi e critici . Il modello ha selezionato i livelli proteici lattici di deidrogenasi (LDH), linfociti e C ad alta sensibilità come i biomarcatori più importanti che distinguono i pazienti a rischio imminente. Questa scoperta è in linea con le attuali conoscenze mediche secondo cui alti livelli di LDH da soli sono associati alla rottura del tessuto che si verifica in varie malattie, inclusi disturbi polmonari come la polmonite. La maggior parte dei pazienti ha ricevuto più campioni di sangue durante la loro permanenza in ospedale. Tuttavia, questo modello ha utilizzato solo i dati del campione finale dei pazienti. Tuttavia, il modello può essere applicato a tutti gli altri campioni di sangue e si può stimare il potenziale predittivo dei biomarcatori.
Gli autori concludono che il loro modello fornisce test clinici semplici, interpretabili e intuitivi per quantificare con precisione e rapidità il rischio di morte. Suggeriscono anche che i linfociti, un tipo di globuli bianchi, possono servire come potenziale bersaglio terapeutico, supportato da studi clinici. Notano che, man mano che saranno disponibili più dati, questa procedura dovrà essere ripetuta per una maggiore precisione.
Articolo: An interpretable mortality prediction model for COVID-19 patients. Un modello di previsione della mortalità interpretabile per i pazienti COVID-19. DOI 10.1038 / s42256-020-0180-7. Link Nature Machine Intelligence.