Rezultati istraživanja kineskih znanstvenika, koji su se koristitili strojnim učenjem, sugeriraju da su tri biološka markera najvažniji pokazatelji za prosudbu neposrednog rizika. Istraživači, međutim, primjećuju da će se model trebati razvijati kako bude dostupno više podataka.

Alati strojnog učenja odabrali su tri biomarkera – dehidrogenazu mliječne kiseline, limfocite i visoku osjetljivost C-reaktivnog proteina - koji mogu predvidjeti smrtnost oboljelih od Covida-19.

Ti su biomarkeri uzeti iz uzoraka krvi 485 zaraženih pojedinaca u kineskom Wuhanu, a nalazi su objavljeni u časopisu Nature Machine Intelligence. Ovi alati predviđali su što će se dogoditi i više od deset dana prije smrti pacijenata, a točnost predviđanja bila je veća od 90 posto.

Brza, točna i rana klinička procjena težine bolesti izuzetno je važna. Međutim, upozoravaju istraživači, trenutno ne postoji dostupan prediktivni biomarker za razlikovanje pacijenata kojima je potrebna hitna medicinska pomoć i procjenu njihove stope smrtnosti povezane uz njihovu bolest.

Ye Yuan, Li Yan i njihovi kolege analizirali su uzorke krvi 485 pacijenata iz Wuhana u Kini kako bi utvrdili pokazatelje rizika od smrtnosti. Za razvoj modela korišteni su uzorci prikupljeni između 10. siječnja i 18. veljače od pacijenata bolnici Tongji. Od 375 slučajeva uključenih u analizu, 201 se oporavio od Covida-19 i otpušten je iz bolnice, dok je preostalih 174 bolesnika umrlo.

Autori su osmislili pristup matematičkog modeliranja zasnovan na algoritmima strojnog učenja kako bi identificirali biomarkere koji najviše predviđaju smrtnost pacijenata.

Podaci uključivali osnovne informacije, simptome, uzorke krvi i rezultate laboratorijskih ispitivanja, uključujući rad jetre, bubrežne funkcije, funkciju koagulacije, elektrolite i upalne faktore uzete od općih, teških i kritičnih bolesnika.

Model je kao najvažnije biomarkere odabrao razinu dehidrogenazu mliječne kiseline (LDH), limfocita i visoku osjetljivost C-reaktivnog proteina. Ovaj je nalaz u skladu s trenutnim medicinskim saznanjima da su visoke razine LDH-a povezane s propadanjem tkiva koji se javlja kod različitih bolesti, uključujući plućne poremećaje poput upale pluća.

Većina pacijenata dala je više uzoraka krvi tijekom boravka u bolnici. No ovaj je model koristio samo podatke iz posljednjeg uzorka. Ipak, model se može primijeniti na sve ostale uzorke krvi i njime se može procijeniti prediktivni potencijal biomarkera.

Autori zaključuju da njihov model nudi jednostavan i intuitivan klinički test kako bi se precizno i ​​brzo kvantificirao rizik od smrti. Oni također sugeriraju da limfociti, vrsta bijelih krvnih stanica, mogu poslužiti kao potencijalna terapijska meta, što podržavaju klinička ispitivanja.

No, kažu autori studije, ovaj će se postupak trebati ponavljati kako se bude raspolagalo s više podataka.