O aprendizado de máquina ajuda a enfrentar o longo COVID

Longo COVID surgiu como uma pandemia dentro da pandemia. Enquanto os cientistas trabalham para desvendar as muitas questões ainda sem resposta sobre como a infecção inicial afeta o corpo, eles agora também devem investigar por que algumas pessoas desenvolvem sintomas crônicos e debilitantes que duram meses ou anos.

Uma nova ferramenta de aprendizado de máquina está aqui para ajudar.

Desenvolvido por uma equipe de pesquisadores de instituições de todo o país, liderada por Justin Reese, do Berkeley Lab, e Peter Robinson, do Jackson Lab, o software analisa entradas em registros eletrônicos de saúde (EHRs) para encontrar sintomas em comum entre pessoas que foram diagnosticadas com COVID longo e para definir subtipos da condição. o pesquisaque é descrito em um novo artigo na eBioMedicinetambém identifica fortes correlações entre diferentes subtipos longos de COVID e condições pré-existentes, como diabetes e hipertensão.

De acordo com Reese, cientista de pesquisa de computação na área de biociências do Berkeley Lab, esta pesquisa ajudará a melhorar nossa compreensão de como e por que alguns indivíduos desenvolvem sintomas longos de COVID e pode permitir tratamentos mais eficazes, ajudando os médicos a desenvolver terapias personalizadas para cada grupo. Por exemplo, o melhor tratamento para pacientes com náuseas e dor abdominal pode ser bem diferente de um tratamento para aqueles que sofrem de tosse persistente e outros sintomas pulmonares.

A equipe desenvolveu e validou seu software usando um banco de dados de informações EHR de 6.469 pacientes diagnosticados com COVID longo após infecções confirmadas por COVID-19. “Basicamente, encontramos recursos longos de COVID nos dados EHR para cada paciente longo de COVID e, em seguida, avaliamos a similaridade paciente-paciente usando similaridade semântica, que essencialmente permite ‘correspondência difusa’ entre os recursos – por exemplo, ‘tosse’ não é o mesmo que ‘falta de ar’, mas são semelhantes, pois ambos envolvem problemas pulmonares”, disse Reese. “Comparamos todos os sintomas para o par de pacientes dessa maneira e obtemos uma pontuação de quão semelhantes são os dois pacientes longos com COVID. Podemos então realizar aprendizado de máquina não supervisionado nessas pontuações para encontrar diferentes subtipos de COVID longo”.

Os pesquisadores aplicaram o aprendizado de máquina a essas pontuações de semelhança paciente-paciente para agrupar pacientes em grupos, que foram caracterizados pela análise das relações entre sintomas e doenças pré-existentes e outras características demográficas, como idade, sexo ou raça.

Reese e seus colegas observam que a ferramenta será conveniente para os pesquisadores porque a abordagem de aprendizado de máquina em seu núcleo se adapta a diferentes sistemas EHR, permitindo que os pesquisadores coletem dados de uma ampla variedade de estabelecimentos médicos.

Esta pesquisa se baseia em trabalhos anteriores para desenvolver a Ontologia do Fenótipo Humano, um banco de dados de acesso aberto e ferramenta de pesquisa que fornece um vocabulário padronizado de sintomas e características encontradas em todas as doenças humanas.