Los datos de escala múltiple mejoran el rendimiento del modelo de aprendizaje automático para la predicción de la...

Área de la Ciencia:

• Epidemiología
• La genética
• Informática de la salud

Sus antecedentes:

• El COVID prolongado afecta a un número significativo de personas infectadas con SARS-CoV-2 en todo el mundo.
• Los modelos predictivos actuales para el riesgo de COVID prolongado son limitados, a menudo se basan únicamente en los datos de los registros electrónicos de salud (EHR).
• Los factores sociales, de comportamiento y genéticos son cada vez más reconocidos como posibles contribuyentes al desarrollo de la COVID prolongada.

Objetivo del estudio:

• Investigar si la integración de datos de EHR con información basada en encuestas y genómica mejora el rendimiento predictivo de los modelos de riesgo de COVID prolongado.
• Para identificar los predictores sociales, conductuales y genéticos clave del COVID largo.
• Mejorar la estratificación de riesgos para las intervenciones personalizadas de COVID largo.

Principales métodos:

• Utilizó una cohorte diversa de más de 17,200 personas infectadas con SARS-CoV-2 del Programa de Investigación de Todos Nosotros de los NIH.
• Se empleó un enfoque de integración de datos a escala múltiple, combinando los datos del DSE con las respuestas de la encuesta y la información genómica.
• Comparó el rendimiento de los modelos integrados con los modelos solo de EHR utilizando el área debajo de la curva de características operativas del receptor (AUROC).

Principales resultados:

• El modelo multiescala integrado demostró un mejor rendimiento predictivo en comparación con los modelos basados únicamente en EHR, con un AUROC de 0,748 (IC 95%: 0,741, 0,755) frente a 0,736 (IC 95%: 0,730, 0,741).
• Los predictores clave identificados incluyeron el estado de servicio activo, la fatiga autoinformada y una variante genética específica (chr19:4719431:G:A_A).
• Estos hallazgos subrayan el valor de los datos multimodales en la predicción de la COVID larga.

Conclusiones:

• La integración de registros electrónicos de salud con datos sociales, de comportamiento y genéticos mejora significativamente la predicción del riesgo de COVID prolongado.
• Factores como el servicio militar, la fatiga y los marcadores genéticos específicos son predictores importantes.
• Este enfoque a escala múltiple ofrece un camino para mejorar la estratificación del riesgo y las intervenciones personalizadas para el manejo prolongado de COVID.