Il lavoro, il cui risultato è indicato nel titolo, è stato condotto utilizzando l’elaborazione matematica dei dati clinici e di laboratorio primari di pazienti gravi COVID-19 ricoverati in ospedale in uno degli ospedali di Wuhan dal 10 gennaio al 18 febbraio 2020. Per formulare un algoritmo prognostico sono stati utilizzati metodi relativi al campo dell’intelligenza artificiale (AI).
Più specificamente, è stato utilizzato un modello interpretato di machine learning. “Interpretato” significa che la logica delle previsioni del modello è comprensibile per gli umani (ci sono anche modelli di scatole nere; la logica delle loro previsioni non è comprensibile per gli umani). L’algoritmo utilizzato era l’algoritmo “classificatore XGBoost supervisionato” (mi dice poco, ma potrebbero esserci esperti di intelligenza artificiale tra i lettori). Faccio una prenotazione, non sono competente a giudicare quanto sia corretto il lato metodologico di questo lavoro. Ma è stato pubblicato in una delle riviste della famiglia Nature (Nature Machine Intelligence), che prevede il passaggio di una recensione professionale prima di essere accettato per la stampa e, in un certo senso, è un “marchio di qualità” (sebbene non sempre). L’articolo originale è qui: https://www.nature.com/articles/s42256-020-0180-7 .
Il risultato praticamente significativo di questo lavoro è un semplice algoritmo per identificare i pazienti che stanno affrontando un risultato sfavorevole. Ciò richiede la conoscenza dei valori di solo tre parametri di laboratorio determinati abitualmente:
1. L’enzima lattato deidrogenasi (LDH); sopra o sotto 365 u / l
2. Proteina C-reattiva determinata con il metodo altamente sensibile (hs-CRP); inferiore o superiore a 41,2 mg / l
3. La percentuale di linfociti; superiore o inferiore al 15% (originale 14,7%)
Il più informativo di questi indicatori è il livello di LDH. Se il livello di LDH è inferiore a 365 unità / L, le probabilità di un risultato favorevole sono alte, se superiore a 365 unità / L, le possibilità di un risultato favorevole sono alte.
Inoltre, il gruppo ” LDH inferiore a 365 u / l ” è diviso in due sottogruppi a seconda della concentrazione di proteina C reattiva: se inferiore a 41,2 mg / l, la prognosi è favorevole ; se superiore a 41,2 mg / l deve essere considerato per la percentuale di linfociti.
Infine, il gruppo LDH è inferiore a 365 u / l ; hs-CRP superiore a 41,2 mg / l “è diviso in due sottogruppi a seconda della percentuale di linfociti: se superiore al 15% – la prognosi è relativamente favorevole, ma è possibile un esito fatale; se inferiore al 15% – un alto rischio di morte .
L’algoritmo proposto consente di prevedere l’esito della malattia con una precisione di circa il 90% per 10 o più giorni prima di un esito avverso. Va notato che il “machine learning” del modello è stato eseguito sui dati di un ospedale per un periodo in cui i metodi di trattamento potrebbero essere meno ottimali di adesso. In altre parole, il modello prevede quale sarebbe il risultato in condizioni vicine a quelle in cui il modello è stato “addestrato”, ma può anche essere “addestrato” con altri set di dati.
Lo scopo di utilizzare questo algoritmo non è una previsione fatalistica di un risultato sfavorevole, ma la prima identificazione possibile di casi che richiedono una terapia “preventiva” più intensiva.
PS – Un’ultima informazione, continuando sul tema del calcolatore cinese di rischio critico COVID-19 al momento del ricovero in ospedale. Sulla base di un’analisi di 72 potenziali fattori di rischio in 1600 pazienti con COVID-19, nel calcolatore è necessario inserire i valori di 10 parametri. La sua versione inglese-cinese è qui: http://118.126.104.170/ .
Fonte: prof. AFV
