Modelo de aprendizaje automático predice el pronóstico en pacientes con encefalitis autoinmune infectados por...

Área de la Ciencia:

• Neurología
• Enfermedades Infecciosas
• Inmunología

Sus antecedentes:

• La encefalitis autoinmune (EA) es una afección neurológica grave.
• El impacto de la infección por SARS-CoV-2 en el pronóstico de la EA no se comprende completamente.
• Es crucial desarrollar modelos predictivos para los resultados de la EA post-SARS-CoV-2.

Objetivo del estudio:

• Evaluar el pronóstico neurológico de pacientes con EA tras la infección por SARS-CoV-2.
• Desarrollar y validar modelos de predicción de riesgos para un peor pronóstico de la EA.
• Identificar factores clínicos asociados con los resultados de la EA después del SARS-CoV-2.

Principales métodos:

• Estudio de cohorte observacional prospectivo y multicéntrico.
• Regresión logística multivariante para identificar factores pronósticos.
• Estrategias de aprendizaje automático para el desarrollo de modelos de predicción de riesgos.

Principales resultados:

• La infección por SARS-CoV-2 ocurrió en 241 de 308 pacientes con EA.
• Se observó un peor pronóstico neurológico en el 12,4% de los pacientes con EA tres meses después de la infección.
• Los factores de riesgo de mal pronóstico incluyeron la puntuación de mRS previa a la infección, la inmunoterapia durante la infección y la somnolencia y los síntomas gastrointestinales relacionados con el SARS-CoV-2.
• Un modelo de aprendizaje automático demostró una alta precisión de discriminación (0,96) para predecir el pronóstico.

Conclusiones:

• La infección por SARS-CoV-2 puede exacerbar los síntomas neurológicos en pacientes con EA.
• Los modelos de aprendizaje automático son factibles para predecir el pronóstico de la EA utilizando datos clínicos.
• La identificación temprana de los factores de riesgo puede guiar el manejo y mejorar los resultados del paciente.