Recerca

Investigadors del Clínic-IDIBAPS prediuen amb un 96% l'evolució de pacients trasplantats de ronyó ingressats per la COVID-19

Investigadors del CLÍNIC-IDIBAPS han coordinat un estudi que ha permès detectar amb una precisió del 96% si un pacient trasplantat de ronyó ingressat per COVID-19 necessitaria un llit d'UCI i/o intensificar el tractament. S'ha aconseguit gràcies a un algoritme amb variables d'aquests pacients recollides a urgències. Aquest aspecte va ser crític durant la primera onada de la pandèmia, que és quan es va desenvolupar el mètode predictiu.

L'estudi permet poder extrapolar l'evolució potencial dels pacients per a millorar l'eficiència dels processos de gestió de pacients i l'assignació de recursos als hospitals.

L'estudi l'ha liderat el Dr. Ignacio Revuelta, nefròleg i responsable el programa de trasplantament de donant renal viu de l'Hospital Clínic de Barcelona i cap del grup Investigació translacional en neoplàsia postrasplant de l’IDIBAPS. L'estudi s'ha publicat en una revista referent en el camp de la Intel·ligència Artificial (Artificial Intelligence Review) i s'ha dut a terme en col·laboració amb professionals del Clínic-IDIBAPS responsables d'infeccions en persones immunodeprimides (Dra. Moreno i Dra. Bodro) i de les universitats de Bolzano (Prof. Dr. Santos-Arteaga) i de Trento (Prof. Dra. Di Caprio).    

En aplicar una fase prèvia d'optimització de l'algoritme (Data Envelopment Analysis (DEA) per al desenvolupament posterior d'una xarxa neuronal artificial (Artificial Neural Network (ANN) al model predictiu s'ha pogut incrementar l'eficiència de les dades recollides en urgències dels pacients trasplantats de ronyó per COVID-19, incrementant la sensibilitat del model i així poder treballar amb cohorts més petites, amb diversos outputs, i poder aplicar una Intel·ligència Artificial més dinàmica i eficient. Aquest aspecte és clau quan en situacions noves i de gran impacte sanitari es requereix d'informació per a la presa de decisions sense haver d'esperar a obtenir gran quantitat de dades.   

Les prediccions, que es van realitzar utilitzant aquest model predictiu híbrid, s'han validat mitjançant una bateria de múltiples tècniques de Machine-Learning, que encara que amb l'optimització prèvia van arribar a proporcionar prediccions pròximes al 80%, es van quedar lluny del nostre model que va arribar al 96%.    

L'estudi ha desenvolupat un model predictiu aplicat a l'ingrés hospitalari en una cohort de pacients trasplantats de ronyó per COVID-19 que ha permès preveure el curs clínic de la malaltia, la qual cosa ha permès identificar als pacients en risc de progressar cap a la malaltia greu. Durant la primera onada de la COVID-19, el Servei de Nefrologia del Clínic va fer seguiment telemàtic, la gran majoria, de més de 1.006 pacients, 38 dels quals van haver d'ingressar a causa de la COVID-19 entre el 3 de març i el 24 d'abril de 2020 a l'Hospital Clínic.  

El desenvolupament creat permet categoritzar l'evolució dels pacients a través dels valors de les anàlisis realitzades a l'ingrés hospitalari. El model de predicció pot ajudar a guiar el maneig de la COVID-19 en aquest grup de pacients amb característiques específiques mitjançant la identificació de predictors clau que permetin una gestió de recursos en un model centrat en el pacient. En definitiva, l'estudi va permetre l'optimització i disseny d'algoritmes per a realitzar prediccions sobre l'evolució d'aquesta mena de pacients amb una fiabilitat del 96% i predir si els pacients haurien d'ingressar en les unitats de vigilància intensiva o requerir intensificació del tractament durant l'ingrés, aspecte crític durant la primera onada de la pandèmia.  

A més, l'estudi ha permès identificar nous indicadors recollits en el moment de l'ingrés dels pacients trasplantats de ronyó i infectats per la COVID-19 per a preveure la seva evolució, que no havien estat identificats amb l'aplicació de l'estadística clàssica.    

Pel Dr. Ignacio Revuelta, “en un escenari de demanda aclaparadora, com ha estat la pandèmia del SARS-CoV-2, la pressió sobre els sistemes de salut ha pogut superar la seva capacitat prevista per a enfrontar-se una situació tan extrema. Els sistemes de salut necessiten evidencia científica i models validats predictors per a millorar la gestió de pacients i optimitzar recursos. A més, és clau poder desenvolupar models àgils que ens puguin donar informació precisa i d'una manera ràpida perquè cada minut suposa un esdeveniment desfavoridor”. “En definitiva, ens dirigim cap a una medicina de predicció personalitzada predictiva”, conclou el Dr. Revuelta.   

En definitiva, l'estudi permet poder extrapolar l'evolució potencial dels pacients per a millorar l'eficiència dels processos de gestió de pacients i l'assignació de recursos als hospitals.   

Pots consultar l'article.