Un algoritmo de inteligencia artificial del tipo machine learning (aprendizaje automático) de última generación ha confirmado que la edad es el principal factor predictor de mortalidad por COVID-19 en pacientes hospitalizados. Así ha quedado reflejado en un estudio con más de 1.000 pacientes, publicado en Open Respiratory Archives, la revista científica de la Sociedad Española de Neumología y Cirugía Torácica (Separ).

“El objetivo de nuestro estudio ha sido identificar qué parámetros clínicos y analíticos, entre los que utilizamos de forma rutinaria en la práctica clínica, pueden predecir los pacientes con mayor riesgo de morir por COVID-19. Para ello, nos hemos apoyado en el uso de un algoritmo de machine learning, a fin de superar las limitaciones de muestra y diseño que ofrecían los estudios publicados hasta ahora al respecto”, comenta la doctora Irene Nieto, miembro de Separ y primera firmante del estudio.

“El objetivo de nuestro estudio ha sido identificar qué parámetros clínicos y analíticos, entre los que utilizamos de forma rutinaria en la práctica clínica, pueden predecir los pacientes con mayor riesgo de morir por COVID-19".

Estratificación de riesgo

La estratificación de riesgo de los pacientes con COVID-19, que puede manifestarse de forma leve, moderada o grave, es fundamental para derivar a los pacientes al recurso asistencial más adecuado en función de su evolución y gravedad, como las Unidades de Cuidados Respiratorios Intermedios (UCRIS) o las UCIS. En las formas más severas, los pacientes afectados pueden desarrollar insuficiencia respiratoria, síndrome de dificultad respiratoria aguda (SDRA), disfunción multiorgánica e, incluso, morir y los resultados de la literatura médica sobre los factores de riesgo de mortalidad en estos pacientes no estaban exentos de controversias y no eran concluyentes.

El conocimiento previo de la enfermedad sugería que la edad avanzada y parámetros como el ácido láctico deshidrogenasa (LDH) sérica elevada o la linfopenia se relacionan con una peor evolución de la COVID-19.

El conocimiento previo de la enfermedad sugería que la edad avanzada y parámetros como el ácido láctico deshidrogenasa (LDH) sérica elevada o la linfopenia se relacionan con una peor evolución de la COVID-19, pero existían discrepancias respecto a otros parámetros examinados de modo rutinario como la hemoglobina o las plaquetas.

Fortalezas del nuevo estudio

El nuevo estudio se ha efectuado en una muestra de 1.246 pacientes ingresados en alguno de los once hospitales de la red asistencial de HM Hospitales-España, con una edad promedio de 65,36 años, de los cuales el 62% eran varones. Tras recolectar todos los datos clínicos, demográficos, analíticos y radiológicos de la historia clínica del paciente y analizarlos mediante un algoritmo de Machine Learning, se ha constatado la muerte de 168 pacientes, un 13% del total de la muestra, durante el ingreso hospitalario y que la mayoría de estos fallecidos han sido adultos mayores.

El estudio concluye que la edad avanzada es el principal factor predictor de mortalidad en pacientes con infección por SARS-CoV-2.

El estudio concluye que la edad avanzada es el principal factor predictor de mortalidad en pacientes con infección por SARS-CoV-2, aunque el impacto de los reactantes (proteínas que aumentan o disminuyen durante la fase aguda de la infección) y el tipo de celularidad de la sangre también son factores relevantes. Los valores elevados de edad y de reactantes (D Dímero, la PCR, NA y creatinina), así como de glóbulos blancos identifican a pacientes con COVID-19 y con alto riesgo de morir.

Ante estos resultados, la doctora Nieto explica que “estos hallazgos pueden ser de gran utilidad para realizar el seguimiento de los pacientes con COVID-19 en la práctica clínica y asignarles el recurso asistencial y medidas terapéuticas más adecuadas” y añade que “nuestro trabajo tiene dos fortalezas destacables: hemos utilizado un algoritmo de Machine Learning de última generación y una muestra amplia de pacientes, para llegar a estas conclusiones”.

"Los modelos de aprendizaje automático de última generación pueden proporcionar nuevos conocimientos clínicos".

De hecho, los autores destacan en el estudio que “los modelos de aprendizaje automático de última generación pueden proporcionar nuevos conocimientos clínicos, ya que estos son capaces de detectar interacciones de orden superior entre variables”, no vistas anteriormente.