Des chercheurs de Rutgers développent un modèle révolutionnaire d'apprentissage automatique pour prédire la gravité du COVID-19

Dans un bond significatif en avant dans la lutte contre la pandémie de COVID-19, des chercheurs de Rutgers ont dévoilé un modèle d'apprentissage automatique pionnier capable de prédire la gravité des cas de coronavirus. Le modèle à six facteurs, développé par une équipe de scientifiques dévoués, offre une approche révolutionnaire pour évaluer le pronostic des patients, permettant des soins de santé plus personnalisés et efficaces.

Prédire la gravité du COVID-19 avec le modèle d'apprentissage automatique à six facteurs

Dans une étude récente dirigée par David Natanov, étudiant à la Robert Wood Johnson Medical School et auteur principal du projet, un nouveau modèle d'apprentissage automatique est apparu comme un phare d'espoir dans la lutte contre le COVID-19. Reconnaissant les défis uniques posés par le virus, Natanov et son équipe ont cherché à répondre à l'anomalie des effets du COVID-19 par rapport à d'autres maladies respiratoires.

Les six variables critiques, collectivement connues sous le nom de PLABAC (comptage plaquettaire, lactate, âge, azote uréique sanguin, aspartate aminotransférase et protéine C-réactive), ont été identifiées comme des indicateurs clés de la probabilité de décès dans les cas de COVID-19. Contrairement aux études précédentes qui s'appuyaient souvent sur des technologies non facilement disponibles dans les laboratoires hospitaliers, les chercheurs de Rutgers ont collecté des données provenant de plus de 900 cas au Robert Wood Johnson University Hospital pendant le pic de la pandémie.

Natanov a souligné la nécessité d'un modèle spécifique au COVID-19 efficace et accessible, compte tenu des limites des modèles antérieurs tels que CURB-65 utilisé pour la pneumonie. Après des tests rigoureux de plusieurs modèles, y compris un à 77 variables, PLABAC s'est révélé être l'ensemble de variables le plus prédictif.

Pour les hôpitaux, la mise en œuvre de ce modèle signifie un changement révolutionnaire dans les soins aux patients. Natanov a mis en évidence sa capacité à analyser objectivement les patients entrants à leur admission, permettant aux médecins de personnaliser les soins en fonction du cas spécifique du patient. Cela devient particulièrement crucial dans le cas de nouveaux variants, où l'imprévisibilité du COVID-19 reste une menace constante.

Byron Avihai, candidat au doctorat et chercheur sur l'équipe de Natanov, a souligné l'importance du projet pour la collecte de données à grande échelle et l'analyse des dossiers patients. La méthode de collecte de données développée, qui a pris un an et demi à affiner, promet d'être appliquée à diverses maladies à l'avenir. Avihai a envisagé des extensions potentielles de l'étude pour observer le COVID long et ses facteurs déterminants.

L'importance de la surveillance continue

Alors que l'équipe de recherche de Rutgers célèbre cette étape importante, elle reconnaît les défis continus posés par la nature en constante évolution du virus. Avihai a souligné les mutations constantes du virus, soulignant l'importance d'une surveillance étroite par les fournisseurs de soins de santé. Notamment, la discussion s'est tournée vers les caractéristiques uniques du variant Omicron, en insistant sur sa tendance à cibler davantage les personnes enceintes que ses prédécesseurs.

Natanov a exprimé l'espoir que le modèle PLABAC puisse être intégré dans les hôpitaux, offrant aux familles la possibilité d'évaluer plus précisément l'état de leurs proches. L'équipe reste déterminée à étudier la COVID-19 en tant qu'entité clinique, reconnaissant le potentiel d'impact positif large du modèle dans divers contextes de soins de santé.

Le modèle d’apprentissage automatique à six facteurs des chercheurs de Rutgers représente une avancée majeure dans la lutte continue contre la pandémie de COVID-19. Alors que les hôpitaux continuent de faire face aux défis posés par l’évolution des variants et les épidémies potentielles croisées, la mise en œuvre de tels modèles prédictifs promet une approche plus efficace et personnalisée des soins aux patients. Cette approche innovante aide non seulement à naviguer dans la complexité des défis actuels de la pandémie, mais constitue également un phare d’espoir pour la gestion future des maladies infectieuses, marquant un changement de paradigme dans les stratégies de santé.