Aplicación De Machine Learning Para Predecir El Diagnóstico De Covid19 En Base A Patrones Sintomatológicos

GERMÁN ALBORNOZ; MERCEDES DIDIER GARNHAM; MARIA JOSÉ DUS SANTOS

Simposio; Simposio Argentino de Jóvenes Investigadores en Bioinformática (6SAJIB); 2021

RSG Argentina

Introducción: A finales de 2019 se identificó, en la ciudad de Wuhan en China, un nuevo tipo de coronavirus denominado SARS-CoV-2 el cual es responsable de causar una enfermedad respiratoria aguda conocida como Covid-19, la cual en la actualidad se ha extendido ampliamente en todo el mundo. El SARS-CoV-2 produce en las personas infectadas síntomas similares a los que se producen en estados gripales, entre los que se incluyen la fiebre, tos, odinofagia, mialgia, cefalea, entre otros. En los casos más graves se pueden producir cuadros clínicos severos como la neumonía bilateral, síndrome respiratorio agudo severo y choques sépticos. Desde el punto de vista clínico y de vigilancia epidemiológica es muy importante conocer cuales son los síntomas específicos asociados a esta enfermedad para poder establecer mejor el criterio clínico - epidemiológico. Uno de los campos de investigación que más se destaca actualmente en la lucha contra el Covid-19 es el de la inteligencia artificial a través del desarrollo de modelos computacionales capaces de aprender a reconocer patrones en un conjunto de datos. Esto es de suma importancia ya que puede resultar de utilidad para determinar el conjunto de síntomas que son representativos de los casos positivos y de esa forma, predecir el diagnóstico basándose en los síntomas manifestados por una persona. Objetivos: El objetivo general del presente trabajo de investigación es determinar los patrones sintomatológicos asociados a casos positivos de Covid-19 mediante modelos de machine learning. Metodología: Se utilizó la información de 1500 pacientes positivos para Covid-19 y se recolectó los datos al momento del hisopado. Se elaboró una matriz que contiene la lista de síntomas y el resultado de RT-PCR obtenido. Luego, se utilizó Random forest para clasificar la información, separando los datos de la matriz para realizar el entrenamiento y para validar el modelo. Resultados: Los resultados preliminares del análisis de datos epidemiológicos de casos sospechosos de Covid-19 obtenidos a partir del modelo revelan que los síntomas más importantes para el criterio de predicción son la fiebre, odinofagia, tos, mialgia, anosomia, cefalea, malestar general, diarrea y artralgia. Conclusión: La pandemia de coronavirus afectó y sigue afectando a diferentes países a lo largo del mundo, y los equipos de salud en muchos casos aún siguen trabajando al límite de su capacidad para responder a la demanda de atención médica. En este contexto, se creó el laboratorio de diagnóstico de Covid-19 de la UNAHUR con el objetivo de alivianar la carga de las instituciones de salud de la Región Sanitaria VII de la provincia de Buenos Aires, mediante el procesamiento de muestras de hisopados nasofaríngeos y el desarrollo de distintas líneas de investigación relacionadas con SARS-CoV-2, entre las cuales se encuentra la búsqueda de patrones sintomatológicos asociados a casos positivos de Covid-19.El desarrollo y aplicación de modelos de machine learning, como el presentado en este trabajo, permitirá una selección certera de los casos positivos y la priorización de los pacientes que deben testearse. Esto facilitará contar con un procedimiento diagnóstico eficiente y la consecuente optimización de los recursos disponibles.