-
De acuerdo con datos de la OMS, a nivel mundial se han detectado más de 660 millones de casos hasta el 10 de enero del 2023.
-
Hasta el 10 de enero de 2023, se han reportado 6,690,473 muertes alrededor del mundo.
-
Según la OMS, en las últimas 24 horas se han reportado más de 200 mil casos a nivel global.
Una investigación dirigida por Justin Reese, del Laboratorio Nacional Lawrence Berkeley (Berkeley, California), y Peter Robinson, del Laboratorio Jackson de Medicina Genómica (Farmington, Connecticut), ha dado lugar al desarrollo de una herramienta de Inteligencia Artificial para definir los distintos tipos de COVID prolongado.
La herramienta de inteligencia artificial, descrita en un artículo de investigación publicado en eBioMedicine, analizó las historias clínicas electrónicas de personas diagnosticadas de COVID prolongado.
Según el artículo, tras analizar las historias clínicas electrónicas de 6.469 personas con un diagnóstico confirmado de COVID-19 y un posterior diagnóstico de COVID prolongado, el equipo descubrió seis subtipos o grupos de síntomas de COVID prolongado. Entre ellos se incluyen grupos con distintas anomalías pulmonares, cardiovasculares y neuropsiquiátricas, y un grupo asociado a enfermedad grave y mayor mortalidad.
También analizaron las relaciones entre los síntomas de COVID prolongado y las enfermedades preexistentes, la edad y otros factores demográficos. Además, la herramienta de Intilegincia Artifical fue capaz de demostrar que los clusters identificados eran generalizables en distintos sistemas hospitalarios.
“Comparamos todos los síntomas del par de pacientes de esta forma y obtenemos una puntuación de lo similares que son los dos pacientes con COVID prolongado. A continuación, podemos realizar un aprendizaje automático no supervisado de estas puntuaciones para encontrar diferentes subtipos de COVID prolongado”, afirma Justin Reese en un comunicado de prensa.
Según los autores del estudio, esta capacidad de determinar grupos entre los pacientes con COVID crónico proporciona una base para clasificar subgrupos para tratamientos o terapias. Además, el método de aprendizaje automático se autoadapta a distintos sistemas de registro. Esto significa que los investigadores pueden recopilar datos de una amplia gama de centros médicos.
Notas relacionadas:
