COVID-19: tre esami utili per la prognosi

(da Univadis)  L’infezione da COVID-19 provoca febbre, tosse, affaticamento e complicazioni respiratorie variabili da lievi a gravi. I casi molto gravi possono portare a morte il paziente. A Wuhan, in Cina, il 13,8-19,1% dei pazienti si è ammalato gravemente di infezione da COVID-19 (1,2). In tutto il mondo i casi gravi hanno esercitato una forte pressione sui servizi sanitari portando a carenza di risorse nei reparti di terapia intensiva. Alcuni report sui casi critici hanno rivelato un tasso di mortalità che ha raggiunto il 61,5%, con un incremento progressivo per età e comorbilità (3)  In questo scenario drammatico sono stati identificati diversi biomarcatori che potrebbero aiutare nei modelli di stratificazione del rischio per la previsione di COVID-19 grave e fatale (4). Attualmente non è disponibile alcun biomarcatore prognostico che consenta di discriminare i pazienti che richiedono cure mediche immediate e stimarne il tasso di mortalità. Alla luce di una possibile ripresa dei focolai epidemici è necessario migliorare la capacità dei medici di identificare tempestivamente i casi di COVID-19 più a rischio.   Uno studio pubblicato su Nature Machine Intelligence (5) ha individuato alcuni esami facilmente disponibili che possono svolgere il ruolo di bio-marcatori predittivi della mortalità per COVID-19 e migliorare il processo decisionale dei medici, rendendolo rapido ed efficace.

Il modello di previsione    Un database di campioni di sangue di 485 pazienti infetti nella regione di Wuhan, in Cina, è stato analizzato mediante una tecnologia XGBoost di machine learning.  Un algoritmo ad alte prestazioni che beneficia di un grande potenziale di interpretabilità grazie al suo sistema decisionale ricorsivo basato su alberi decisionali ha identificato un patternnei dati disponibili di 485 pazienti. I criteri di esclusione dei casi erano: donne in gravidanza e in allattamento, pazienti di età inferiore ai 18 anni e registrazioni di dati incompleti (< 80%). La distribuzione per età dei pazienti era di 58,83 ± 16,46 anni e il 59,7% era di sesso maschile.

Gli strumenti di machine learning hanno selezionato tre biomarcatori (LDH, hs-PCR e Linfociti) che, utilizzati nell’albero decisionale, hanno previsto la mortalità dei singoli pazienti con oltre 10 giorni di anticipo e con un’accuratezza > 90%.

Regole decisionali e capacità predittiva      L’albero decisionale, costituito da sequenze binarie organizzate gerarchicamente, ha utilizzato tre parametri chiave con le relative soglie espresse in valore assoluto su un set di dati  di 351 pazienti:

LDH < 365UI         no 149 (di cui 146 morti)     sì   202 sopravvissuti

proteina ​​C-reattiva ad alta sensibilità (hs-PCR) < 41.2 UI   si 177 sopravvissuti    no 25

linfociti > 14.7%     si 12 sopravvissuti (con 3 classificati erroneamente)    no 13 morti (di cui 2 classificati erroneamente)

In particolare, i livelli relativamente elevati di LDH da soli sembrano svolgere un ruolo cruciale nel distinguere la stragrande maggioranza dei casi che richiedono cure mediche immediate. Il modello era  in grado di prevedere l’esito di tutti i pazienti veri positivi circa 10 giorni prima dell’esito usando tutti i loro campioni di sangue e poteva anche prevedere con 18 giorni di anticipo mantenendo un’accuratezza cumulativa superiore al 90%. L’accuratezza della previsione aumentava quanto era più vicino l’esito del paziente. Nei casi in cui le condizioni di un paziente peggioravano, il sistema era in grado di fornire un preavviso ai medici con qualche giorno di anticipo.

Il significato dei 3 test

LDH – il suo aumento è correlato al danno tissutale e/o cellulare. Nella fibrosi polmonare idiopatica è un marcatore importante di attività e gravità. Inoltre rappresenta uno dei markers prognostici di danno polmonare e nei  pazienti critici con COVID-19, il suo aumento indica un aumento dell’attività e dell’entità della lesione polmonare.

hs-PCR – marker prognostico sfavorevole nella sindrome da distress respiratorio acuto, riflette lo stato di infiammazione persistente. Il risultato finale sono le lesioni polmonari che si osservano a livello autoptico nel tessuto polmonare de pazienti con COVID-19

Linfociti – La linfopenia è una caratteristica comune nei pazienti con COVID-19 e potrebbe essere un fattore critico associato alla gravità e alla mortalità della malattia. Il danno delle cellule epiteliali alveolari potrebbe indurre l’infiltrazione linfocitaria associata a linfopenia persistente, come è stato già osservato in SARS-CoV-2 e MERS-CoV (6). La riduzione dei linfociti T CD4+ e CD8+ periferici potrebbe essere il fattore correlato alla linfopenia (7).

Questo studio fornisce un set di esami semplice e intuitivo per quantificare in modo rapido il rischio di morte nei casi di COVID-19. Il modello predittivo identifica i pazienti ad alto rischio prima che si verifichino conseguenze irreversibili. I tre test (LDH, linfociti e hs-PCR) sono di facile e pronta esecuzione da parte di qualsiasi laboratorio.

(Huang, C. et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet 395, 497–506 (2020).

Chen, N. et al. Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study. Lancet 395, 507–513 (2020)

Yang, X. et al. Clinical course and outcomes of critically ill patients with SARS CoV-2 pneumonia in Wuhan, China: a single-centered, retrospective, observational study. Lancet Resp. Med. 8, 475–481 (2020).

Henry BM et al. Hematologic, Biochemical and Immune Biomarker Abnormalities Associated With Severe Illness and Mortality in Coronavirus Disease 2019 (COVID-19): A Meta-Analysis Clin Chem Lab Med. 2020 Apr 10;/j/cclm.ahead-of-print/cclm-2020-0369/cclm-2020-0369.xml.doi: 10.1515/cclm-2020-0369

Yan L. et al. An interpretable mortality prediction model for COVID-19 patients. Nat Mach Intell 2, 283–288 (2020). https://doi.org/10.1038/s42256-020-0180-7

Xu, Z. et al. Pathological findings of COVID-19 associated with acute respiratory distress syndrome. Lancet Resp. Med. 2020;8:420–422

Chen G et al Clinical and immunologic features in severe and moderate Coronavirus Disease 2019 J Clin Invest. 2020. https://doi.org/10.1172/JCI137244)