(COVID 19-Immagine: Credit Public Domain).
I livelli di 14 proteine nel sangue di pazienti affetti da COVID-19 in condizioni critiche sono associati alla sopravvivenza.
Un singolo campione di sangue di un paziente affetto da COVID-19 in condizioni critiche può essere analizzato da un modello di apprendimento automatico che utilizza le proteine del plasma sanguigno per predire la sopravvivenza, settimane prima dell’esito, secondo un nuovo studio pubblicato questa settimana sulla rivista ad PLOS Digital Health da Florian Kurth e Markus Ralser della Charité – Universitätsmedizin Berlin, Germania, e colleghi.
I sistemi sanitari di tutto il mondo stanno lottando per accogliere un numero elevato di pazienti gravemente malati di COVID-19 che necessitano di cure mediche speciali, soprattutto se identificati come ad alto rischio. Le valutazioni del rischio clinicamente stabilite nella medicina intensiva, come SOFA o APACHE II, mostrano solo un’affidabilità limitata nel predire gli esiti futuri della malattia COVID-19.
Centro di proteomica presso l’ospedale universitario Charité di Berlino. Credito: Johannes Hartl, Charité
I ricercatori hanno studiato i livelli di 321 proteine nei campioni di sangue prelevati in 349 punti temporali da 50 pazienti affetti da COVID-19 in condizioni critiche in cura in due centri sanitari indipendenti in Germania e Austria. È stato utilizzato un approccio di apprendimento automatico per trovare associazioni tra le proteine misurate e la sopravvivenza del paziente.
Vedi anche:COVID 19 grave: biomarker aiuta a prevedere il rischio di morte
15 dei pazienti della coorte sono morti; il tempo medio dal ricovero al decesso è stato di 28 giorni. Per i pazienti sopravvissuti, il tempo medio di ricovero è stato di 63 giorni. I ricercatori hanno individuato 14 proteine che, nel tempo, sono cambiate in direzioni opposte per i pazienti che sopravvivono rispetto ai pazienti che non sopravvivono in terapia intensiva. Il team ha quindi sviluppato un modello di apprendimento automatico per predire la sopravvivenza basato su una singola misurazione del punto temporale delle proteine rilevanti e ha testato il modello su una coorte di convalida indipendente di 24 pazienti affetti da COVID-10 in condizioni critiche.
Il modello ha dimostrato un alto potere predittivo su questa coorte, predicendo correttamente l’esito per 18 dei 19 pazienti sopravvissuti e 5 su 5 pazienti che sono morti (AUROC = 1,0, P = 0,000047).
Spiegano gli autori:
“I sistemi sanitari globali sono messi alla prova dalla pandemia di COVID-19. È necessario ottimizzare l’allocazione del trattamento e delle risorse in terapia intensiva, poiché le valutazioni del rischio clinicamente stabilite come i punteggi SOFA e APACHE II mostrano solo prestazioni limitate per predire la sopravvivenza di pazienti affetti da COVID-19 gravemente malati. Sono inoltre necessari strumenti aggiuntivi per monitorare il trattamento, comprese le terapie sperimentali negli studi clinici. Catturando in modo completo la fisiologia umana, abbiamo ipotizzato che la proteomica in combinazione con nuove strategie di analisi basate sui dati potrebbe produrre una nuova generazione di discriminatori prognostici. Abbiamo studiato due coorti indipendenti di pazienti con COVID-19 grave che necessitavano di terapia intensiva e ventilazione meccanica invasiva. Punteggio SOFA, indice di comorbilità di Charlson, e il punteggio APACHE II hanno mostrato prestazioni limitate nel predire l’esito di COVID-19. Invece, la quantificazione di 321 gruppi di proteine plasmatiche a 349 punti temporali in 50 pazienti critici sottoposti a ventilazione meccanica invasiva ha rivelato 14 proteine che hanno mostrato traiettorie diverse tra sopravvissuti e non sopravvissuti. Un predittore addestrato sulle misurazioni proteomiche ottenute al primo punto temporale al livello massimo di trattamento (cioè grado 7 dell’OMS), che era settimane prima dell’esito, ha ottenuto una classificazione accurata dei sopravvissuti (AUROC 0,81). Abbiamo testato il predittore stabilito su una coorte di convalida indipendente (AUROC 1.0). La maggior parte delle proteine con un’elevata rilevanza nel modello predittivo appartiene al sistema di coagulazione e alla cascata del complemento”.
I ricercatori concludono che i test delle proteine del sangue, se convalidati in coorti più ampie, possono essere utili sia per identificare i pazienti con il più alto rischio di mortalità, sia per testare se un determinato trattamento cambia la traiettoria prevista per un singolo paziente.
Fonte:PLOS Digital Health
