Назад
Уровни 14 белков в крови тяжелобольных пациентов с COVID-19 ассоциированы с выживаемостью.
Один образец крови тяжелобольного пациента с COVID-19 может быть проанализирован моделью машинного обучения, использующей белки плазмы крови для прогнозирования выживаемости, за несколько недель до исхода. Таковы результаты нового исследования, опубликованные на этой неделе в журнале PLOS Digital Health Флорианом Куртом и Маркусом Ральсером из Берлинского университета Шарите (Германия) и их коллегами.
Системы здравоохранения во всем мире испытывают трудности с размещением большого количества тяжелобольных пациентов COVID-19, которые нуждаются в особом медицинском внимании, особенно если они относятся к группе высокого риска. Клинически установленные оценки риска в интенсивной терапии, такие как SOFA или APACHE II, показывают лишь ограниченную надежность в прогнозировании будущих исходов заболевания при COVID-19.
В новом исследовании ученые изучили уровни 321 белка в образцах крови, взятых в 349 временных точках у 50 тяжелобольных пациентов с COVID-19, проходивших лечение в двух независимых медицинских центрах в Германии и Австрии. Для поиска ассоциаций между измеренными белками и выживаемостью пациентов был использован подход машинного обучения.
Пятнадцать пациентов из этой когорты умерли; среднее время от поступления до смерти составило 28 дней. Для пациентов, которые выжили, среднее время госпитализации составило 63 дня. Исследователи определили 14 белков, которые со временем изменялись у пациентов, выживших по сравнению с пациентами, не выжившими в условиях интенсивной терапии. Затем группа разработала модель машинного обучения для прогнозирования выживаемости на основе однократного измерения соответствующих белков и протестировала модель на независимой валидной когорте из 24 тяжелобольных пациентов COVID-10. Модель продемонстрировала высокую прогностическую способность на данной когорте, правильно предсказав исход для 18 из 19 выживших пациентов и 5 из 5 умерших пациентов (AUROC = 1,0, P = 0,000047).
Исследователи пришли к выводу, что анализ белков крови, если он будет подтвержден в более крупных когортах, может быть полезен как для выявления пациентов с самым высоким риском летального исхода, так и для проверки того, изменяет ли определенное лечение прогнозируемую траекторию у отдельного пациента.
Vadim Demichev et al. Протеомный предиктор выживаемости для пациентов с COVID-19 в интенсивной терапии (аннотация).
Системы здравоохранения во всем мире с трудом справляются с приемом большого количества наиболее тяжелобольных пациентов с COVID-19. Кроме того, пандемия создает острую необходимость в ускорении клинических испытаний потенциальных новых терапевтических средств. В то время как различные биомаркеры могут различать и прогнозировать дальнейшее течение болезни у пациентов с различной тяжестью заболевания, прогноз остается сложным для групп пациентов с одинаковой тяжестью заболевания, например, пациентов, нуждающихся в интенсивной терапии. Установленные оценки риска в интенсивной терапии, такие как SOFA или APACHE II, показывают лишь ограниченную надежность в прогнозировании будущих исходов пациентов с COVID-19.
В данном исследовании мы предположили, что протеом плазмы, который отражает полный набор белков, экспрессируемых организмом и присутствующих в крови, и который, как известно, всесторонне отражает реакцию организма на COVID-19, может быть использован для прогнозирования выживания у наиболее тяжелобольных пациентов с COVID-19. Мы обнаружили 14 белков, которые со временем изменялись в противоположных направлениях у пациентов, выживших по сравнению с пациентами, не выжившими в условиях интенсивной терапии. Используя модель машинного обучения, которая объединяет измерения нескольких белков, мы смогли точно предсказать выживание у тяжелобольных пациентов с COVID-19 на основе единичных образцов крови за несколько недель до исхода, значительно превосходя установленные предикторы риска.
