Des chercheurs de l'Université de Médecine de la Charité, à Berlin, ont réussi, à partir de l'analyse des niveaux de 321 protéines dans des échantillons de sang prélevés à 349 moments sur 50 patients COVID-19 gravement malades traités dans deux centres de soins de santé indépendants en Allemagne et en Autriche, à développer un nouvel outil d'apprentissage automatique, capable de repérer des associations entre les protéines mesurées et la survie des patients.
Quinze des patients de la cohorte sont décédés ; le délai moyen entre l'admission et le décès était de 28 jours. Pour les patients qui ont survécu, la durée médiane d'hospitalisation était de 63 jours. Les chercheurs ont identifié 14 protéines qui, au fil du temps, ont changé dans des directions opposées pour les patients qui survivent par rapport aux patients qui ne survivent pas aux soins intensifs.
L'équipe a ensuite développé un modèle d'apprentissage automatique pour prédire la survie sur la base d'une seule mesure ponctuelle des protéines pertinentes et a testé le modèle sur une cohorte de validation indépendante de 24 patients COVID-19 gravement malades. Le modèle a démontré un pouvoir prédictif élevé sur cette cohorte, prédisant correctement le résultat pour 18 des 19 patients qui ont survécu et 5 des 5 patients qui sont décédés.
Selon ces chercheurs, ce nouvel outil informatique d'analyse comparative de protéines sanguines, sous réserve d'être validé dans des cohortes plus importantes de patients, pourrait être très utile, à la fois pour identifier les patients présentant le risque de mortalité le plus élevé, ainsi que pour évaluer de manière fiable et rapide si le traitement choisi modifie favorablement le pronostic médical des patients Covid les plus graves.
Article rédigé par Georges Simmonds pour RT Flash
