De esta notable y provechosa iniciativa, es pertinente evaluar los resultados que derivaron de modelaciones computacionales, con el empleo de herramientas bioinformáticas, de las moléculas virales y la respuesta inmune humana frente a ellas, en una serie de artículos que aparecieron en la revista entre 2020 y 2022.

En el primero de los trabajos remitidos de esa serie, apenas transcurrido el primer trimestre del año 2020, se llamaba la atención sobre la extensa distribución tisular de uno de los receptores que emplea el virus para infectar sus células diana: la molécula ACE2, según puede observarse en las bases de datos KEGG y GENE. Ello debía ser “un elemento a tener en cuenta en relación con la fisiopatología de la infección por SARS-CoV-2”, y se adelantaba que, por la misma razón, la covid-19 no sería solo una enfermedad respiratoria: el pulmón no está entre los diez primeros órganos con mayor presencia de ACE2.

Vea el texto completo en:

Serrano-Barrera OR, Pérez-Martin O, Góngora-Parra KB. Covid-19, de las predicciones bioinformáticas a las evidencias clínico-epidemiológicas. Rev. electron. Zoilo [Internet]. 2024; 49 (1) .

Se reclutaron todos los pacientes sintomáticos con COVID-19 confirmada, que ingresaron en urgencias de nuestro hospital entre el 24 de febrero y el 24 de abril de 2020. Los parámetros de la RXT, las variables clínicas y de laboratorio y los índices de hallazgos en RXT extraídos por una herramienta diagnóstica de inteligencia artificial en esta primera visita se consideraron potenciales predictores.

El desenlace individual más grave definió los tres niveles de gravedad:

0) alta domiciliaria u hospitalización de 3 días o inferior,
1) hospitalización más de 3 días
2) necesidad de cuidados intensivos o muerte.

Se desarrollaron y validaron internamente modelos de predicción multivariable de gravedad y mortalidad hospitalaria. El índice de Youden se utilizó para la selección del umbral óptimo del modelo de clasificación.

Se registraron 440 pacientes (mediana de 64 años; 55,9 % hombres); el 13,6 % de los pacientes fueron dados de alta, el 64 % hospitalizo más de 3 días, el 6,6 % requirió cuidados intensivos y un 15,7 % falleció.

El modelo de predicción de gravedad incluyó saturación de oxígeno/fracción de oxígeno inspirado (SatO2/FiO2), edad, proteína C reactiva (PCR), linfocitos, puntuación de la extensión de la afectación pulmonar en la RXT (ExtScoreRXT), lactato deshidrogenasa (LDH), dímero D y plaquetas, con AUC-ROC = 0,94 y AUC-PRC = 0,88.

El modelo de predicción de mortalidad incluyó edad, SatO2/FiO2, PCR, LDH, ExtScoreRXT, linfocitos y dímero D, con AUC-ROC = 0,97 y AUC-PRC = 0,78. La adición de índices radiológicos obtenidos por inteligencia artificial no mejoró significativamente las métricas predictivas.

Los autores concluyen que los modelos de predicción de pronóstico desarrollados podrían ser útiles para clasificar en urgencias a los pacientes con COVID-19 u otras infecciones víricas con comportamiento similar.

Vea el texto en:

Elaboración de modelos predictivos de la gravedad y la mortalidad en pacientes con COVID-19 que acuden al servicio de urgencias, incluida la radiografía torácica. Calvillo-Batllés, P; Cerdá-Alberich, L; Fonfría-Esparcia, C; Carreres-Ortega, A; Muñoz-Núñez, C. F; Trilles-Olaso, L; Martí-Bonmatí, L. Radiología (Madr., Ed. impr.) ; 64(3): 214-227, May-Jun 2022.