Saltar al contenido

El aprendizaje automático encuentra que muchas muertes por COVID-19 son el resultado de una neumonía bacteriana secundaria

5 de mayo de 2023

· No hay evidencia de tormenta de citoquinas en pacientes críticos con COVID-19

· Casi la mitad de los pacientes con COVID-19 desarrollan una neumonía bacteriana secundaria

· Crucial para encontrar y tratar agresivamente la neumonía bacteriana secundaria en pacientes de la UCI

Newswise — CHICAGO — La infección bacteriana secundaria del pulmón (neumonía) fue extremadamente común en pacientes con COVID-19 y afectó a casi la mitad de los pacientes que requirieron apoyo de ventilación mecánica. Al aplicar el aprendizaje automático a los datos de registros médicos, los científicos de la Facultad de Medicina Feinberg de la Universidad Northwestern descubrieron que la neumonía bacteriana secundaria que no se resuelve era un factor clave de muerte en pacientes con COVID-19. Incluso puede superar las tasas de mortalidad por la propia infección viral.

Los científicos también encontraron evidencia de que COVID-19 no causa una «tormenta de citoquinas», que a menudo se cree que causa la muerte.

El estudio fue publicado recientemente en el Revista de Investigación Clínica.

«Nuestro estudio destaca la importancia de prevenir, buscar y tratar agresivamente la neumonía bacteriana secundaria en pacientes críticos con neumonía grave, incluidos los que tienen COVID-19», dijo el autor principal, el Dr. Benjamin Singer, profesor asociado de medicina en la Universidad Northwestern Feinberg. Facultad de Medicina y un médico de cuidados intensivos y pulmonares de Northwestern Medicine.

Los investigadores encontraron que casi la mitad de los pacientes con COVID-19 desarrollan una neumonía bacteriana secundaria asociada al ventilador.

“Aquellos que se curaron de su neumonía secundaria tenían más probabilidades de vivir, mientras que aquellos cuya neumonía no se resolvió tenían más probabilidades de morir”, dijo Singer. “Nuestros datos sugirieron que la mortalidad relacionada con el virus en sí es relativamente baja, pero otras cosas que suceden durante la estadía en la UCI, como la neumonía bacteriana secundaria, compensan eso”.

Recomendado:  Aplicar el aprendizaje federado para proteger los datos en dispositivos móviles

Los hallazgos del estudio también niegan la teoría de la tormenta de citoquinas, dijo Singer, también profesor de Medicina Pulmonar Lawrence Hicks en Feinberg.

«El término ‘tormenta de citoquinas’ significa una inflamación abrumadora que provoca la falla de los órganos en los pulmones, los riñones, el cerebro y otros órganos», dijo Singer. “Si eso fuera cierto, si la tormenta de citoquinas fuera la base de la larga estadía que vemos en pacientes con COVID-19, esperaríamos ver transiciones frecuentes a estados que se caracterizan por falla multiorgánica. Eso no es lo que vimos”.

El estudio analizó a 585 pacientes en la unidad de cuidados intensivos (UCI) del Northwestern Memorial Hospital con neumonía grave e insuficiencia respiratoria, 190 de los cuales tenían COVID-19. Los científicos desarrollaron un nuevo enfoque de aprendizaje automático llamado CarpeDiem, que agrupa días de pacientes de UCI similares en estados clínicos basados ​​en datos de registros de salud electrónicos. Este enfoque novedoso, que se basa en el concepto de rondas diarias del equipo de la UCI, les permitió preguntar cómo las complicaciones como la neumonía bacteriana afectaron el curso de la enfermedad.

Estos pacientes o sus sustitutos dieron su consentimiento para inscribirse en el estudio Respuesta Clínica Exitosa a la Terapia de la Neumonía (SCRIPT), un ensayo de observación para identificar nuevos biomarcadores y terapias para pacientes con neumonía grave. Como parte de SCRIPT, un panel de expertos de médicos de la UCI utilizó análisis de última generación de muestras de pulmón recolectadas como parte de la atención clínica para diagnosticar y adjudicar los resultados de eventos de neumonía secundaria.

Recomendado:  3 formas en que los minoristas pueden prepararse de manera efectiva ahora para la temporada navideña de 2022

«La aplicación del aprendizaje automático y la inteligencia artificial a los datos clínicos se puede utilizar para desarrollar mejores formas de tratar enfermedades como la COVID-19 y ayudar a los médicos de la UCI a manejar a estos pacientes», dijo la coautora del estudio, la Dra. Catherine Gao, instructora en medicina pulmonar y de cuidados intensivos en Feinberg y un médico de Northwestern Medicine.

“La importancia de la sobreinfección bacteriana del pulmón como contribuyente a la muerte en pacientes con COVID-19 se ha subestimado porque la mayoría de los centros no la han buscado o solo analizan los resultados en términos de presencia o ausencia de sobreinfección bacteriana, no si el tratamiento es exitoso o no”, dijo el coautor del estudio, el Dr. Richard Wunderink, quien dirige el Centro de Biología de Sistemas de Respuesta Clínica Exitosa en la Terapia de la Neumonía en Northwestern.

El siguiente paso en la investigación será utilizar datos moleculares de las muestras del estudio e integrarlos con enfoques de aprendizaje automático para comprender por qué algunos pacientes se curan de la neumonía y otros no. Los investigadores también quieren expandir la técnica a conjuntos de datos más grandes y utilizar el modelo para hacer predicciones que se puedan llevar a la cabecera de la cama para mejorar la atención de los pacientes en estado crítico.

Otros autores de Northwestern en el artículo incluyen a Nikolay S. Markov, Thomas Stoeger, Anna E. Pawlowski, Mengjia Kang, Prasanth Nannapaneni, Rogan A. Grant, Chiagozie Pickens, James M. Walter, Jacqueline M. Kruser, Luke V. Rasmussen, Daniel Schneider, Justin Starren, Helen K. Donnelly, Alvaro Donayre, Yuan Luo, Scott Budinger y Alexander Misharin.

Recomendado:  Lo que las proyecciones de la NFL nos enseñan sobre el aprendizaje automático

El estudio fue apoyado por el Simpson Querrey Lung Institute for Translational Sciences y la subvención U19AI135964 del Instituto Nacional de Alergias y Enfermedades Infecciosas de los Institutos Nacionales de Salud.