El laboratorio de la Universidad Case Western Reserve reporta una precisión del 84% en la predicción de la exploración inicial del tórax qué pacientes necesitarán ayuda respiratoria; sitio web de planificación para que los médicos de UH, Cleveland VA carguen escaneos
Los investigadores de la Universidad Case Western Reserve han desarrollado una herramienta en línea para ayudar al personal médico a determinar rápidamente qué pacientes con COVID-19 necesitarán ayuda para respirar con un ventilador.
La herramienta, desarrollada a través del análisis de tomografías computarizadas de casi 900 pacientes con COVID-19 diagnosticados en 2020, pudo predecir la necesidad de un ventilador con una precisión del 84%.
«Eso podría ser importante para los médicos cuando planean cómo cuidar a un paciente y, por supuesto, para que el paciente y su familia lo sepan», dijo Anant Madabhushi, profesor de ingeniería biomédica del Instituto Donnell en Case Western Reserve y director de el Centro de Imagen Computacional y Diagnóstico Personalizado (CCIPD). «También podría ser importante para los hospitales, ya que determinan cuántos ventiladores necesitarán».
A continuación, Madabhushi dijo que espera usar esos resultados para probar la herramienta computacional en tiempo real en los Hospitales Universitarios y el Centro Médico Louis Stokes Cleveland VA con pacientes con COVID-19.
Si tiene éxito, dijo que el personal médico de los dos hospitales podría cargar una imagen digitalizada del escáner de tórax en una aplicación basada en la nube, donde la IA de Case Western Reserve la analizaría y predeciría si ese paciente probablemente necesitaría un ventilador.
Necesidad urgente de ventiladores
Entre los síntomas más comunes de los casos graves de COVID-19 se encuentra la necesidad de que los pacientes se coloquen en ventiladores para asegurarse de que puedan continuar recibiendo suficiente oxígeno mientras respiran.
Sin embargo, casi desde el comienzo de la pandemia, la cantidad de ventiladores necesarios para apoyar a estos pacientes superó con creces los suministros disponibles, hasta el punto que los hospitales comenzaron a «dividir» los ventiladores, una práctica en la que un ventilador ayuda a más de un paciente.
Si bien las tasas de vacunación en aumento de 2021 redujeron drásticamente las tasas de hospitalización por COVID-19 y, a su vez, la necesidad de ventiladores, la reciente aparición de la variante Delta ha provocado nuevamente escasez en algunas áreas de los Estados Unidos y en otros países.
“Estas pueden ser decisiones desgarradoras para los hospitales: decidir quién recibirá la mayor ayuda contra una enfermedad agresiva”, dijo Madabhushi.
Hasta la fecha, los médicos han carecido de una forma consistente y confiable de identificar qué pacientes recién admitidos con COVID-19 probablemente necesitarán ventiladores, información que podría resultar invaluable para los hospitales que administran suministros limitados.
Los investigadores del laboratorio de Madabhushi comenzaron sus esfuerzos para proporcionar una herramienta de este tipo mediante la evaluación de las exploraciones iniciales tomadas en 2020 de casi 900 pacientes de los EE. UU. Y de Wuhan, China, entre los primeros casos conocidos de la enfermedad causada por el nuevo coronavirus.
Madabhushi dijo que esas tomografías computarizadas revelaron, con la ayuda de computadoras de aprendizaje profundo o inteligencia artificial (IA), características distintivas para los pacientes que luego terminaron en la unidad de cuidados intensivos (UCI) y necesitaron ayuda para respirar.
La investigación detrás de la herramienta apareció este mes en el IEEE Journal of Biomedical and Health Informatics.
Amogh Hiremath, un estudiante de posgrado en el laboratorio de Madabhushi y autor principal del artículo, dijo que los patrones en las tomografías computarizadas no se podían ver a simple vista, sino que solo los revelaban las computadoras.
“Esta herramienta permitiría a los trabajadores médicos administrar medicamentos o intervenciones de apoyo antes para ralentizar la progresión de la enfermedad”, dijo Hiremath. “Y permitiría la identificación temprana de aquellos con mayor riesgo de desarrollar síndrome de dificultad respiratoria aguda grave o muerte. Estos son los pacientes que son candidatos ideales para respiradores ”.
Más investigación sobre la ‘arquitectura inmunológica’
El laboratorio de Madabhushi también publicó recientemente una investigación que compara los escáneres de tejidos de autopsia tomados de pacientes que murieron a causa del virus H1N1 (gripe porcina) y del COVID-19. Si bien los resultados son preliminares, parecen revelar información sobre lo que Madabhushi llamó la «arquitectura inmune» del cuerpo humano en respuesta a los virus.
«Esto es importante porque la computadora nos ha brindado información que enriquece nuestra comprensión de los mecanismos del cuerpo contra los virus», dijo. «Eso puede influir en la forma en que desarrollamos vacunas, por ejemplo».
Germán Corredor Prada, un investigador asociado en el laboratorio de Madabhushi que fue el autor principal del artículo, dijo que la visión por computadora y las técnicas de inteligencia artificial permitieron a los científicos estudiar cómo se organizan ciertas células inmunes en el tejido pulmonar de algunos pacientes.
“Esto nos permitió encontrar información que puede no ser obvia con una simple inspección visual de las muestras”, dijo Corredor. «Estos patrones relacionados con COVID-19 parecen ser diferentes de los de otras enfermedades como el H1N1, una enfermedad viral comparable».
Eventualmente, cuando se combina con otros trabajos clínicos y pruebas adicionales en grupos más grandes de pacientes, este descubrimiento podría servir para mejorar la comprensión mundial de estas enfermedades y tal vez otras, dijo.
Madabhushi estableció el CCIPD en Case Western Reserve en 2012. El laboratorio ahora incluye a más de 60 investigadores. Algunos participaron en este trabajo más reciente de COVID-19, incluidos los estudiantes graduados Hiremath, Pranjal Vaidya; los investigadores asociados Corredor y Paula Toro; y los profesores de investigación Cheng Lu y Mehdi Alilou.