Pesquisadores da Rutgers Desenvolvem Modelo de Aprendizado de Máquina Revolucionário para Prever a Gravidade do COVID-19

Em um salto significativo em frente na batalha contra a pandemia de COVID-19, pesquisadores da Rutgers revelaram um modelo pioneiro de aprendizado de máquina capaz de prever a gravidade dos casos de coronavírus. O modelo de seis fatores, desenvolvido por uma equipe de cientistas dedicados, oferece uma abordagem revolucionária para avaliar o prognóstico dos pacientes, permitindo um cuidado de saúde mais personalizado e eficiente.

Prevendo a gravidade do COVID-19 com o modelo de aprendizado de máquina de seis fatores

Em um estudo recente liderado por David Natanov, estudante da Escola de Medicina Robert Wood Johnson e autor principal do projeto, um novo modelo de aprendizado de máquina surgiu como um farol de esperança na luta contra o COVID-19. Reconhecendo os desafios únicos impostos pelo vírus, Natanov e sua equipe buscaram abordar a anormalidade dos efeitos do COVID-19 em comparação com outras doenças respiratórias.

As seis variáveis críticas, coletivamente conhecidas como PLABAC (contagem de plaquetas, lactato, idade, nitrogênio da ureia no sangue, aspartato aminotransferase e proteína C-reativa), foram identificadas como indicadores-chave da probabilidade de morte em casos de COVID-19. Ao contrário de estudos anteriores que frequentemente dependiam de tecnologias não prontamente disponíveis em laboratórios hospitalares, os pesquisadores da Rutgers coletaram dados de mais de 900 casos no Hospital Universitário Robert Wood Johnson durante o pico da pandemia.

Natanov enfatizou a necessidade de um modelo específico para COVID-19, eficiente e acessível, dadas as limitações de modelos anteriores como o CURB-65 usado para pneumonia. Após testes rigorosos de vários modelos, incluindo um de 77 variáveis, o PLABAC emergiu como o conjunto mais preditivo de variáveis.

Para os hospitais, a implementação deste modelo significa uma mudança revolucionária no cuidado do paciente. Natanov destacou sua capacidade de analisar objetivamente os pacientes que chegam na admissão, permitindo que os médicos personalizem o cuidado com base no caso específico do paciente. Isso torna-se particularmente crucial no caso de novas variantes, onde a imprevisibilidade do COVID-19 permanece uma ameaça constante.

Byron Avihai, candidato a doutorado e pesquisador na equipe de Natanov, enfatizou a importância do projeto para a coleta de dados em larga escala e a análise de prontuários de pacientes. O método de coleta de dados desenvolvido, que levou um ano e meio para ser refinado, promete aplicação em várias doenças no futuro. Avihai previu expansões potenciais do estudo para observar a COVID longa e seus fatores determinantes.

A importância do monitoramento contínuo

À medida que a equipe de pesquisa da Rutgers celebra esta conquista, eles reconhecem os desafios contínuos impostos pela natureza em constante evolução do vírus. Avihai apontou as mutações constantes do vírus, sublinhando a importância do monitoramento próximo pelos provedores de saúde. Notavelmente, a discussão voltou-se para as características únicas da variante Omicron, enfatizando sua tendência de atingir indivíduos grávidos mais do que seus predecessores.

Natanov expressou a esperança de que o modelo PLABAC possa encontrar seu caminho para os hospitais, oferecendo às famílias a capacidade de avaliar com mais precisão as condições de seus entes queridos. A equipe permanece comprometida em estudar o COVID-19 como uma entidade clínica, reconhecendo o potencial impacto positivo generalizado do modelo em vários ambientes de saúde.

O modelo de aprendizado de máquina de seis fatores dos pesquisadores da Rutgers representa um passo significativo na batalha contínua contra a pandemia de COVID-19. À medida que os hospitais continuam a lidar com os desafios das variantes em evolução e possíveis surtos sobrepostos, a implementação de tais modelos preditivos promete uma abordagem mais eficiente e personalizada para o cuidado do paciente. Esta abordagem inovadora não apenas auxilia na navegação pelas complexidades dos desafios atuais da pandemia, mas também serve como um farol de esperança para o gerenciamento futuro de doenças infecciosas, marcando uma mudança de paradigma nas estratégias de saúde.