Ocho científicos, dos de la Universidad de Costa Rica (UCR) y seis del Instituto Costarricense de Investigación y Enseñanza en Nutrición y Salud (Inciensa), publicaron un nuevo estudio científico que revela la identificación de siete perfiles clínicos de COVID-19 en el país.
La publicación se dio en formato de preprint el 23 de junio de 2021 en la revista MedRxiv.
De acuerdo con el Dr. José Arturo Molina Mora, bioinformático del Centro de Investigación en Enfermedades Tropicales (CIET) de la Facultad de Microbiología, y coordinador del proyecto desde la UCR, estos siete perfiles clínicos identifican los síntomas de COVID-19 de mayor frecuencia en el territorio nacional en función de las mutaciones, la carga viral y los factores de riesgo específicos de la población costarricense.
Con la publicación del artículo científico, este aporte se posiciona como el primero que se realiza en Costa Rica mediante el uso de algoritmos de inteligencia artificial para el estudio de síntomas de COVID-19.
“Este estudio es la continuación del trabajo que se venía haciendo desde tiempo atrás en cuanto al análisis de los genomas del SARS-CoV-2 en Costa Rica. Ahora, estudiamos los síntomas al momento del diagnóstico de COVID-19 (y antes de la vacunación) para establecer los perfiles clínicos. ¿Por qué? Porque la diversidad de síntomas, la genética y los factores de riesgo juegan un rol crítico en el desarrollo del padecimiento. Por ejemplo, antes cuando un paciente llegaba con diarrea al hospital, pensar en COVID-19 era de las últimas opciones. Ahora, en la definición de casos, la diarrea está como indicador de posible COVID-19”, indicó el Dr. Molina.
Las y los científicos estudiaron un total de 18 974 registros de pacientes anónimos para generar los grupos de estudio basados en su sintomatología. Un total de 51 tipos de síntomas distintos fueron identificados, de los cuales solo 18 fueron contemplados como los de más alta frecuencia.
“Esos 18 síntomas fueron seleccionados porque estuvieron presentes en al menos el 1 % de los casos analizados. Para ello, implementamos el aprendizaje automático con algoritmos de inteligencia artificial a fin de generar patrones. Al definir los principales conglomerados, los grupos se compararon con datos demográficos como la edad, el sexo y la localización, entre otros. De igual forma, se usó la información clínica como los síntomas, los factores de riesgo, la carga viral y los genotipos del SARS-CoV-2. En este caso, hubo especial énfasis en la presencia de la mutación T1117I de la espícula del linaje costarricense”, mencionó el científico.
