Predecir futuras hospitalizaciones respiratorias en recién nacidos extremadamente prematuros utilizando datos...

Área de la Ciencia:

• Medicina neonatal
• La genómica
• Biología computacional

Sus antecedentes:

• Los recién nacidos extremadamente prematuros se enfrentan a altos riesgos de complicaciones respiratorias y hospitalizaciones.
• La identificación temprana de los bebés de alto riesgo es crucial para las estrategias preventivas específicas.
• Los datos transcriptómicos pueden mejorar la predicción de los resultados respiratorios más allá de los factores clínicos.

Objetivo del estudio:

• Investigar la capacidad predictiva de la expresión génica temprana para las hospitalizaciones respiratorias en neonatos extremadamente prematuros en sus primeros cuatro años.
• Determinar si los perfiles transcriptómicos pueden identificar a los niños con mayor riesgo de morbilidad respiratoria.

Principales métodos:

• Estudio de cohorte retrospectivo de 58 recién nacidos antes de las 32 semanas de gestación.
• Análisis de los datos transcriptómicos de la sangre periférica recogidos en los días 5, 14 y 28 de vida.
• Desarrollo de modelos forestales aleatorios para predecir las readmisiones respiratorias, con un rendimiento evaluado por AUC, sensibilidad y especificidad.

Principales resultados:

• Los modelos de aprendizaje automático que utilizan datos transcriptómicos lograron un fuerte rendimiento predictivo (AUC = 0,90).
• El análisis de expresión diferencial identificó 31 genes y 8 vías biológicas asociadas con las readmisiones respiratorias.
• A pesar del pequeño tamaño de la muestra, los resultados indican un poder predictivo significativo.

Conclusiones:

• Los datos transcriptómicos de la vida temprana y el aprendizaje automático predicen con precisión las rehospitalizaciones respiratorias en bebés extremadamente prematuros.
• Las firmas genéticas identificadas proporcionan información sobre los mecanismos biológicos subyacentes a la morbilidad respiratoria crónica.
• Es necesaria una mayor validación en cohortes más grandes para su aplicación clínica.