Algoritmo BloodCOVID

Última actualización: 17 de noviembre de 2020.

Análisis de sangre de rutina para el diagnóstico de sospecha de COVID-19

 
 

Conferencia presentación resultados

 
 

Presentación de los árboles de decisión en la conferencia titulada “Algoritmos diagnósticos y biomarcadores sanguíneos de la COVID-19” por parte del Dr. José Diego Santotoribio, organizada por el Instituto de Biomedicina de Sevilla (IBIS) y el Hospital Universitario Virgen del Rocío (HUVR), el 18 de noviembre a las 8:30 horas (GMT/UTC+1). Ver la nota de prensa.

 
 

Entrevista Dr. Santotoribio

 
 
 
 

Objetivos

 
 
La epidemia del síndrome respiratorio agudo severo coronavirus 2 (SARS-CoV-2), hasta la fecha, se ha extendido gradualmente a 190 países en todo el mundo con más de 45 millones de personas infectadas y 1.180.000 muertes.

La amplificación del ARN viral por RT-PCR sirve como el gold standard para la confirmación de la infección, pero necesita un tiempo de respuesta prolongado (3-4h para generar resultados) y muestra tasas de falsos negativos de hasta 15-20%. Además, las políticas de pruebas masivas, junto con la necesidad de laboratorios certificados, equipos costosos y personal capacitado, retrasan la entrega de los resultados hasta 7-10 días.

Sin embargo, desde mediados de septiembre, está ganando popularidad una nueva prueba de antígeno para la detección de la COVID-19 con resultados más rápidos. La prueba de antígeno utiliza la misma tecnología que la prueba rápida de gripe o estreptococo. La ventaja de la prueba de antígeno es poder diagnosticar rápidamente a alguien positivo por COVID-19 y aconsejarle sobre las precauciones de aislamiento para que, por ejemplo, no esté en la tienda detrás de usted. Sin embargo, los CDC (Centros para el Control y la Prevención de Enfermedades) todavía llaman a la prueba molecular el “gold standard” porque el antígeno ha mostrado más falsos negativos. De esta manera, se aconseja a las personas sintomáticas que resulten negativas que se realicen una nueva prueba.

En resumen, mientras que la mayoría de las pruebas moleculares o de PCR pueden tardar días, una prueba rápida de antígenos tarda unos minutos.

A pesar de todo esto, ni las PCR, ni las pruebas rápidas de antígenos, han podido prevenir la segunda ola que está golpeando a la mayoría de los países en estos momentos. Por un lado, las PCR siguen siendo tremendamente costosas y las pruebas rápidas de antígenos (mucho más baratas que las PCR) no se pueden producir en la cantidad suficiente para la demanda mundial actual.

Por tanto, existe la necesidad de pruebas alternativas, menos costosas y más accesibles.
 
 

Métodos

 
 
Este estudio se basa en el anterior Evaluation of Routine Blood Tests for Diagnosis of Suspected Coronavirus Disease 2019 realizado por Jose D. Santotoribio (Departamento de Bioquímica Clínica, Hospital Universitario Virgen del Rocío, Sevilla, España), David Nuñez-Jurado (Departamento de Bioquímica Clínica, Hospital Universitario Virgen del Rocío, Sevilla, España), Esperanza Lepe-Balsalobre (Departamento de Bioquímica Clínica, Hospital Universitario Virgen del Rocío, Sevilla, España, y Fundación JL Castaño, Sociedad Española de Medicina de Laboratorio, Barcelona, ​​España), que pretendía evaluar los análisis de sangre de rutina para el diagnóstico de COVID-19, determinando la precisión diagnóstica de biomarcadores sanguíneos para diferenciar entre pacientes con y sin COVID-19.

Este estudio tiene cuatro objetivos principales: el primero, analizar la base de datos de 203 pacientes que el Dr. Santotoribio utilizó en su publicación anterior para ver si era posible mejorar el rendimiento diagnóstico alcanzado por dicho doctor, es decir, 91% de sensibilidad y 47% de especificidad, mediante el uso de MedCalc 13.0 (MedCalc Software, Ostende, Bélgica), y el uso de nuestros propios algoritmos de Inteligencia Artificial (IA) y Deep Learning (DL); el segundo, analizar si los resultados pueden ser representados por un Árbol de Decisión (DT, por sus siglas en inglés) ―como la mejor herramienta para compartir resultados para su uso amplio y fácil en la práctica clínica―, sin perder el rendimiento diagnóstico alcanzado previamente; el tercero, analizar si con esta base de datos se podría obtener otro Árbol de Decisión que también permitiera discriminar a aquellos pacientes con peor pronóstico de la enfermedad para priorizar su tratamiento, con el fin de reducir la tasa de mortalidad; y el cuarto, realizar un estudio de Investigación de Resultados de Economía de la Salud (HEOR, por sus siglas en inglés), principalmente uno de costo/oportunidad, para analizar los beneficios de usar un simple análisis de sangre de rutina como método de detección masiva, y dejar que tanto las PCR como las pruebas rápidas de antígenos confirmen los resultados positivos con nuestro algoritmo.
 
 

Resultados

 
 
Se observaron diferencias estadísticamente significativas para: Ferritina, WBC, GPT y GOT (para hombres), y Ferritina, WBC, LDH y CRP (para mujeres). Ambos Árboles de Decisión para cada género permitieron la identificación del 100% de los pacientes, tanto los positivos como los negativos por COVID-19 sobre la base de los resultados de los análisis de sangre de rutina, es decir, 100,00% de sensibilidad y 100,00% de especificidad para toda la base de datos.
 
 

Conclusiones

 
 
Según resultados anteriores, la combinación de tecnologías de vanguardia adecuadas ―como los algoritmos propios de Inteligencia Artificial (IA) y Deep Learning (DL)―, junto con modelos de Árboles de Decisión basados ​​en determinados parámetros hematológicos, podrían ayudar a identificar pacientes positivos por COVID-19 en aquellos países que sufren de una gran escasez de reactivos de RT-PCR, laboratorio especializado y/o escasez de pruebas rápidas de antígenos, con una precisión similar tanto a la RT-PCR como a las pruebas rápidas de antígenos.

Dicho esto, el estudio presenta tres limitaciones principales: la primera, y más obvia, se refiere al número relativamente bajo de casos considerados (n = 203); el segundo, está relacionado con la posible dependencia del proveedor, debido a que el recuento de células plasmáticas se determinó en un analizador Sysmex XN-2000 (Sysmex, Kobe, Japón), la concentración plasmática de dímero D se determinó en un analizador Sysmex CS-5100 (Sysmex, Kobe, Japón) y los parámetros bioquímicos se determinaron en un analizador modular Hitachi Cobas c 702 (Roche Diagnostics, Rotkreuz, Suiza), por lo que el uso de otros proveedores también podría afectar la precisión; el tercero puede ser menos obvio, ya que se refiere a la fiabilidad de la verdad fundamental en sí. Aunque esto se construyó mediante el gold standard actual para la detección de COVID-19, es decir, la prueba RT-PCR, estudios recientes observaron que la precisión de esta prueba puede verse muy afectada por problemas como procedimientos inadecuados para la recolección, manipulación, transporte y almacenamiento de los hisopos, contaminación de la muestra y presencia de sustancias interferentes, entre otros. Como resultado, algunos estudios recientes han informado hasta un 20% de resultados falsos negativos para la prueba de RT-PCR, y una revisión sistemática reciente informó una sensibilidad promedio del 92% y advirtió que hasta “el 29% de los pacientes podrían tener un resultado inicial de falso negativo con la RT-PCR”.

Así, contrariamente a la creencia común, la precisión de esta prueba podría ser inferior a la óptima ―principalmente en otros centros médicos que utilizan proveedores distintos a los que utiliza el Hospital Universitario Virgen del Rocío (Sevilla, España)―. Sin embargo, además de ser una limitación, también es una motivación más para buscar formas alternativas de realizar el diagnóstico de la infección por SARS-CoV-2, como lo es nuestro método.
 
 

Modelos de Árboles de Decisión

 
DESCARGO DE RESPONSABILIDAD: LOS ÁRBOLES DE DECISIÓN (DIAGRAMAS) A CONTINUACIÓN FUERON CREADOS CON FINES DE INVESTIGACIÓN Y PRUEBAS. LAS DECISIONES MÉDICAS NO DEBEN ESTAR BASADAS EN LOS RESULTADOS DE ESTOS DIAGRAMAS QUE NO PUEDEN CONSIDERARSE HERRAMIENTAS DE DIAGNÓSTICO. AUNQUE ESTOS DIAGRAMAS SE HAN PROBADO A FONDO, NO SE PUEDE GARANTIZAR LA EXACTITUD DE LA INFORMACIÓN Y LOS AUTORES NO SERÁN RESPONSABLES DE NINGÚN RECLAMO, DAÑO U OTRA RESPONSABILIDAD.
 

Árbol de Decisión para el diagnóstico de COVID-19 (hombre)

 

Rendimiento diagnóstico (n = 102): 100% de sensibilidad y 100% de especificidad.


 

Árbol de Decisión para el diagnóstico de COVID-19 (mujer)

 

Rendimiento diagnóstico (n = 101): 100% de sensibilidad y 100% de especificidad.
 

 

Árbol de Decisión para el pronóstico positivo de COVID-19 (con dímero D)

 

Rendimiento diagnóstico (n = 203): 100% de sensibilidad y 100% de especificidad.
 

 

Árbol de Decisión para el pronóstico positivo de COVID-19 (sin dímero D)

 

Rendimiento diagnóstico (n = 203): 100% de sensibilidad y 100% de especificidad.
 

 

Licencia

 
 
Los documentos PDF anteriores (Árboles de Decisión para el diagnóstico de sospecha de COVID-19 basado en análisis de sangre de rutina para hombres y mujeres), se publican bajo una licencia Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0).
 
 


 
 
Este es un resumen legible por humanos (y no un sustituto) de la licencia. Descargo de responsabilidad.
 
 

Es libre de:

 
 
Compartir — Copiar y redistribuir el material en cualquier medio o formato (el licenciante no puede revocar estas libertades siempre que siga los términos de la licencia).
 
 

Bajo los siguientes términos:

 
 
Reconocimiento — Debe dar el crédito apropiado, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.

NoComercial — No puede utilizar el material con fines comerciales.

SinObraDerivada — Si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.

Sin restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.
 
 

Agradecimientos