Un estudio realizado por la Universidad de Vermont y Cedars-Sinai ha encontrado "alta precisión" en la predicción de la probabilidad de sufrir la COVID-19 utilizando el software AI-COVID de Biocogniv.
Este sistema utiliza análisis de sangre para ayudar a los laboratorios clínicos con las pruebas de COVID-19, lo que podría ayudar a reducir la cantidad de pacientes remitidos para la prueba de PCR.
El software tarda sólo "segundos" en generar su resultado una vez que regresan los análisis de sangre
La prueba de PCR es el diagnóstico estándar actual para COVID-19, pero requiere un muestreo específico que incluye hisopos nasales y equipo de laboratorio especializado. El recuento sanguíneo completo y los paneles metabólicos completos son pruebas de laboratorio comunes solicitadas por los servicios de Urgencias y tienen un tiempo de respuesta rápido. Pueden proporcionar información sobre el sistema inmunológico, los electrolitos, los riñones y el hígado.
Según los investigadores, pudieron entrenar un modelo que analiza los cambios en estas pruebas y asigna una probabilidad muy precisa de que el paciente sea negativo para COVID-19. La directora médica de Biocogniv, Jennifer Joe, médica de emergencias en Boston (Massachusetts) ha dicho que el software tarda sólo "segundos" en generar su resultado una vez que regresan los análisis de sangre.
El especialista en Medicina Interna de Cedars-Sinai, Victor Tapson, ha descrito cómo estas herramientas de asistencia, que ayudan a los médicos a descartar posibles diagnósticos, son familiares en la medicina de Emergencias. "Por ejemplo, un análisis de sangre con bajo contenido de dímero D puede ayudarnos a descartar coágulos en ciertos pacientes, lo que permite a los proveedores omitir diagnósticos costosos y que, a menudo, requieren mucho tiempo, como las tomografías computarizadas de tórax".
El equipo de Biocogniv cree que un beneficio secundario de incorporar AI-COVID podría ser la reducción del tiempo para los resultados de PCR tradicionales, lo que permite a los proveedores asignar mejor las pruebas de PCR rápidas para los pacientes que realmente las necesitan.
"Esto permite que el modelo logre una alta sensibilidad del 95% mientras mantiene una especificidad moderada del 49%, que es muy similar al rendimiento de otras pruebas de descarte de uso común"
El modelo AI-COVID se validó con datos del mundo real de Cedars-Sinai, así como con datos de encuentros de pacientes geográficamente y demográficamente diversos de 22 hospitales de Estados Unidos, ha confirmado Biocogniv, con una curva por debajo de la curva (AUC) de 0,91 sobre 1,00.
"Esto permite que el modelo logre una alta sensibilidad del 95% mientras mantiene una especificidad moderada del 49%, que es muy similar al rendimiento de otras pruebas de descarte de uso común", ha sentenciado el director científico y patólogo de Bicogniv, George Hauser.