Utilizando técnicas de aprendizaje automático, investigadores de Estados Unidos han elaborado un protocolo con el fin de que los médicos de Atención Primaria puedan identificar con más precisión a aquellas personas infectadas con SARS-CoV-2 que conviven con Covid-19 persistente.
Un equipo de especialistas del Centro Nacional para el Avance las Ciencias Traslacionales (NCATS), de los Institutos Nacionales de Salud de Estados Unidos, describe en su estudio que aparece en The Lancet Digital Health, las características diferenciadoras de Covid-19 persistente en el tiempo.
Estos científicos, utilizando técnicas de aprendizaje automático, analizaron una colección sin precedentes de Registros de Salud Electrónicos (EHR), disponibles para la investigación de Covid-19, para identificar mejor quién tiene esta enfermedad de larga duración.
Al analizar los datos de EHR no identificados en National Covid Cohort Collaborative (N3C), una base de datos pública nacional centralizada y dirigida por el NCATS, el equipo usó los datos para encontrar más de 100.000 casos probables de Covid-19 prolongado desde octubre de 2021.
Es bien sabido por los clínicos que Covid prolongado se caracteriza por una amplia gama de síntomas, entre los que destacan dificultad para respirar, fatiga, fiebre, dolores de cabeza, niebla mental y otros problemas neurológicos.
Estos síntomas pueden durar muchos meses tras el diagnóstico de Covid-19. Una de las razones por las que la forma prolongada de la enfermedad es difícil de identificar es que muchos de sus síntomas son similares a otras afecciones.
Una mejor caracterización de Covid-19 persistente podría conducir, según los investigadores, a mejores diagnósticos y nuevos enfoques terapéuticos.
Para la profesora Emily Pfaff, de Universidad de Carolina del Norte, en Chapel Hill, “tenía sentido aprovechar las herramientas modernas de análisis de datos y un recurso único de big data como N3C, donde se pueden representar muchas características de Covid-19 persistente”.
Efectos de Covid-19 persistente
El enclave de datos de N3C actualmente incluye información que representa a más de 13 millones de personas en Estados Unidos, incluyendo cerca de cinco millones de casos positivos de Covid-19. El recurso permite una investigación rápida con preguntas emergentes sobre vacunas, terapias, factores de riesgo y resultados de salud Covid-19.
Este trabajo forma parte del Researching COVID to Enhance Recovery (RECOVER), que tiene como objetivo mejorar la comprensión de los efectos a largo plazo de Covid-19, llamados secuelas post-agudas de SARS-CoV-2.
Los analistas están convencidos de que RECOVER identificará con precisión a las personas con Covid-19 prolongado y desarrollará enfoques para su prevención y tratamiento.
El programa también responderá preguntas críticas de investigación sobre los efectos a largo plazo de Covid a través de ensayos clínicos y estudios observacionales longitudinales, entre otros.
En este trabajo participó también Melissa Haendel, de la Universidad de Colorado, que examinó la demografía de los pacientes, la atención médica recibida, los diagnósticos y los medicamentos en los registros de salud del N3C de un total de 97.995 pacientes adultos con Covid-19.
Seguidamente, cruzaron esta información con datos de cerca de 600 pacientes con Covid-19 persistente y así crearon tres modelos de aprendizaje automático para mejorar la identificación de este colectivo.
Los modelos buscaron características comunes, incluidos nuevos medicamentos, visitas al clínico y nuevos síntomas, en pacientes con un diagnóstico positivo de Covid-19 que llevaban, al menos, 90 días con infección aguda. Así, identificaron a aquellos pacientes con Covid-19 prolongado que acudieron al médico o mostraron síntomas y no habían sido diagnosticados.
“Queremos incorporar los nuevos patrones que estamos viendo con el código de diagnóstico de Covid-19 e incluirlo en nuestros modelos, que pueden aprender de una mayor variedad de pacientes y ser más precisos”, finaliza Haendel.
