Modelo de inteligencia artificial (IA) identifica a los pacientes con COVID-19 mediante pruebas de sangre y radiografías de tórax
Por el equipo editorial de LabMedica en español Actualizado el 27 Jul 2021 |
Imagen: El modelo de inteligencia artificial (IA) identifica a pacientes con COVID-19 mediante análisis de sangre y radiografías de tórax (Fotografía cortesía de Nature)
Los investigadores han desarrollado una aplicación de aprendizaje automático para la predicción de la infección por SARS-CoV-2 mediante análisis de sangre y radiografías de tórax.
El modelo de aprendizaje automático, desarrollado por investigadores de la Universidad de Hong Kong (Hong Kong), pudo lograr una alta exactitud para la predicción de la infección por SARS-CoV-2 en un estudio de validación. El uso complementario de la radiografía de tórax podría desempeñar un papel en el aumento de la sensibilidad al tiempo que se logra una especificidad moderada cuando se combina con el modelo de sangre de aprendizaje automático, lo que puede tener implicaciones potenciales en la clasificación de pacientes, particularmente cuando los recursos para las pruebas de RT-PCR son escasos.
El objetivo de este estudio fue aplicar aprendizaje automático para la tarea de detección de COVID-19 utilizando marcadores de laboratorio básicos y explorar el papel coadyuvante de las radiografías de tórax. Los investigadores inicialmente realizaron una comparación estadística de análisis de sangre en pacientes con diferentes etiologías de neumonía, incluido la COVID-19 que involucró a 5.148 pacientes en 24 hospitales de Hong Kong durante la primera y segunda oleadas de infección. Esto se hizo para establecer una comparación de laboratorio de referencia entre la COVID-19 de otras neumonías y otros diagnósticos. Luego, los investigadores entrenaron y validaron modelos de aprendizaje automático utilizando análisis de sangre básicos en comparación con las pruebas de RT-PCR de referencia para predecir el estado de la infección por COVID-19 y explorar diferentes escenarios de casos de uso con el complemento de las radiografías de tórax. Luego, los modelos se validaron con conjuntos de validación temporal en otras oleadas de infección en Hong Kong.
Para predecir la infección por SARS-CoV-2, el modelo de aprendizaje automático logró AUC y especificidad altas, pero baja sensibilidad en los tres conjuntos de validación (AUC: 89,9-95,8%; Sensibilidad: 55,5-77,8%; Especificidad: 91,5-98,3%). Cuando se utiliza junto con las interpretaciones de los radiólogos de las radiografías de tórax, la sensibilidad fue superior al 90% manteniendo una especificidad moderada. El estudio mostró que el modelo de aprendizaje automático basado en marcadores de laboratorio fácilmente disponibles podría lograr una alta exactitud en la predicción de la infección por SARS-CoV-2.
Enlace relacionado:
Universidad de Hong Kong
El modelo de aprendizaje automático, desarrollado por investigadores de la Universidad de Hong Kong (Hong Kong), pudo lograr una alta exactitud para la predicción de la infección por SARS-CoV-2 en un estudio de validación. El uso complementario de la radiografía de tórax podría desempeñar un papel en el aumento de la sensibilidad al tiempo que se logra una especificidad moderada cuando se combina con el modelo de sangre de aprendizaje automático, lo que puede tener implicaciones potenciales en la clasificación de pacientes, particularmente cuando los recursos para las pruebas de RT-PCR son escasos.
El objetivo de este estudio fue aplicar aprendizaje automático para la tarea de detección de COVID-19 utilizando marcadores de laboratorio básicos y explorar el papel coadyuvante de las radiografías de tórax. Los investigadores inicialmente realizaron una comparación estadística de análisis de sangre en pacientes con diferentes etiologías de neumonía, incluido la COVID-19 que involucró a 5.148 pacientes en 24 hospitales de Hong Kong durante la primera y segunda oleadas de infección. Esto se hizo para establecer una comparación de laboratorio de referencia entre la COVID-19 de otras neumonías y otros diagnósticos. Luego, los investigadores entrenaron y validaron modelos de aprendizaje automático utilizando análisis de sangre básicos en comparación con las pruebas de RT-PCR de referencia para predecir el estado de la infección por COVID-19 y explorar diferentes escenarios de casos de uso con el complemento de las radiografías de tórax. Luego, los modelos se validaron con conjuntos de validación temporal en otras oleadas de infección en Hong Kong.
Para predecir la infección por SARS-CoV-2, el modelo de aprendizaje automático logró AUC y especificidad altas, pero baja sensibilidad en los tres conjuntos de validación (AUC: 89,9-95,8%; Sensibilidad: 55,5-77,8%; Especificidad: 91,5-98,3%). Cuando se utiliza junto con las interpretaciones de los radiólogos de las radiografías de tórax, la sensibilidad fue superior al 90% manteniendo una especificidad moderada. El estudio mostró que el modelo de aprendizaje automático basado en marcadores de laboratorio fácilmente disponibles podría lograr una alta exactitud en la predicción de la infección por SARS-CoV-2.
Enlace relacionado:
Universidad de Hong Kong
Últimas COVID-19 noticias
- Inmunosensor nuevo allana el camino para pruebas rápidas POC para COVID-19 y enfermedades infecciosas emergentes
- Encuentran etiologías de COVID prolongada en muestras de sangre con infección aguda
- Dispositivo novedoso detecta anticuerpos contra la COVID-19 en cinco minutos
- Prueba para COVID-19 mediante CRISPR detecta SARS-CoV-2 en 30 minutos usando tijeras genéticas
- Asocian disbiosis del microbioma intestinal con la COVID-19
- Validan prueba rápida novedosa de antígeno para el SARS-CoV-2 con respecto a su exactitud diagnóstica
- Prueba nueva COVID + Influenza + VSR ayudará a estar preparados para la ‘tripledemia’
- IA elimina las conjeturas de las pruebas de flujo lateral
- Prueba de antígeno del SARS-CoV-2 más rápida, jamás diseñada, permite realizar pruebas de COVID-19 no invasivas en cualquier entorno
- Pruebas rápidas de antígeno detectan las variantes ómicron, delta del SARS-CoV-2
- Prueba en sangre realizada durante la infección inicial predice el riesgo de COVID prolongada
- Investigadores afirman que hay que crear “reservistas” de laboratorio para responder más rápidamente a la próxima pandemia
- Estudio encuentra que los profesionales sanitarios mostraron mayor interés en tecnologías POC durante la pandemia
- Plataforma de análisis de bajo costo para la COVID-19 combina sensibilidad de la PCR y velocidad de pruebas de antígeno
- Prueba de sangre por punción digital identifica inmunidad a la COVID-19
- Kit de prueba rápida determina inmunidad contra la COVID-19 y sus variantes