Actualmente, con los test rápidos de antígenos y las PCR, el personal sanitario tiene unas muy buenas herramientas para diagnosticar la COVID-19, siempre y cuando el virus SARS-CoV-2 esté en el interior del organismo del paciente. Sin embargo, estas pruebas diagnósticas tienen algunos inconvenientes, entre los que se encuentran los siguientes: primero, cuando los pacientes sufren neumonía como consecuencia de la COVID-19, estas pruebas no brindan información sobre la extensión y la gravedad de la infección pulmonar, y segundo, una vez que el virus es eliminado por el sistema inmunológico, ambas pruebas darán negativas, incluso si el paciente padece la denominada COVID persistente y está todavía afectado por la neumonía, una condición que puede extenderse durante semanas.

Por lo tanto, para obtener una perspectiva más completa de la gravedad de la enfermedad, los médicos deben utilizar técnicas de imagen como la tomografía axial computarizada (TAC) para visualizar el estado de los pulmones del paciente. Pero, a pesar del aumento en la precisión de los diagnósticos en la detección de la COVID-19 mediante el uso de imágenes de TAC, el tiempo de análisis de las imágenes requerido para interpretar los volúmenes de los TAC en 3D y extraer las propiedades morfológicas de la lesión puede aumentar sustancialmente la carga de trabajo de los radiólogos. Es por ello necesario desarrollar herramientas computacionales que permitan realizar dichos análisis en un tiempo razonable y compatible con la práctica clínica.

El papel de la Visión por Computador en el diagnóstico de la COVID-19

La visión por computador es una rama de la Inteligencia Artificial, que consiste en desarrollar herramientas computacionales para adquirir, procesar, analizar y comprender las imágenes del mundo real con el fin de producir información que pueda ser tratada de manera automatizada por un ordenador, siendo la imagen médica uno de los campos donde más se utiliza, ya que puede ayudar a reducir sensiblemente el tiempo de análisis e interpretación de las imágenes y ayudar al personal médico a hacer diagnósticos más precisos en intervalos de tiempo menores, algo de vital información en el caso de la COVID-19, que por momentos estuvo a punto de colapsar los servicios hospitalarios y de urgencias de España y el resto del mundo .

Por ello, investigadores del Centro de Visión por Computador (CVC), la Universidad de Barcelona (UB) y Eurecat – Centro Tecnológico de Cataluña, han desarrollado, utilizando estrategias de aprendizaje profundo o Deep Learning, un método automatizado para la detección y diagnóstico de la COVID-19 mediante el análisis de imágenes de TACs de tórax, en dónde estudiaron las áreas de mayor atenuación debidas al desplazamiento del aire por la presencia de líquido, al colapso de las vías respiratorias, la presencia de fibrosis otras solidificaciones dentro de los pulmones. Los muy prometedores resultados de este estudio han sido publicados a finales de agosto en la revista Computers in Biology and Medicine.

El procedimiento utilizado fue el siguiente: en primer lugar, el método desarrollado segmenta las TAC del tórax e identifica las regiones de las imágenes en las que se encuentran los pulmones para reducir el área de análisis en donde, posteriormente, se aplicará el algoritmo con el fin de detectar la presencia de neumonía provocada por el SARS-CoV-2 y, en caso de un hallazgo positivo, la imagen del TAC se procesará para identificar las áreas afectadas por la enfermedad. “En una TAC del tórax no aparecen solo los pulmones, aparecen otras estructuras, como las costillas, y órganos, como el corazón, que no son de interés cuando queremos estudiar la presencia de infección pulmonar por COVID-19. Por lo tanto, lo que nuestro método hace es identificar las regiones en donde aparece el pulmón, obviando todo lo demás, con lo cual el área que el algoritmo tiene que estudiar para determinar si hay infección por COVID-19 es menor, lo que permite que el análisis se haga de una manera más rápida y eficiente”, explicó para Univadis España, la Dra. Petia Radeva, investigadora del CVC y de la UAB y coordinadora de este estudio.

Resultados y conclusiones

Antes de poder utilizar este algoritmo en pacientes, fue necesario probarlo con TACs adquiridos durante el año y medio de pandemia. Para ello, los investigadores utilizaron 110 cortes de TACs y 79 volúmenes de TACs en los que se había detectado, por otras técnicas, infección por COVID-19 extraídos de tres repositorios de imágenes de acceso libre

Los resultados obtenidos mostraron una precisión promedio para la identificación de lesiones provocadas por el SARS-CoV-2 del 98,.7 %, no detectándose ningún falso positivo.

La robustez y la precisión de este trabajo abren una amplia gama de otras posibles aplicaciones de este método más allá de la COVID-19. Por ejemplo, “la red propuesta podría adaptarse, mediante un ajuste fino, para estudiar los casos graves de neumonía no-COVID, metástasis difusa u otras enfermedades pulmonares. Además, esta metodología también podría aplicarse para detectar y segmentar una gran variedad de órganos en otros campos del análisis de imágenes médicas”, razonó para Univadis España, Giuseppe Pezzano, investigador de Eurecat y la UB, primer autor del artículo. “Pero esto no quiere decir, bajo ningún concepto, que nuestro método podrá ser capaz en el futuro de detectar y diagnosticar por sí mismo enfermedades. Nuestro algoritmo, aspira a ser una herramienta de apoyo al personal médico para hacerle más fácil su labor y permitirles hacer diagnósticos más rápidos y precios, pero nunca eliminará al experto clínico”, concluyó para Univadis España el Dr. Vincent Rivas, investigador de Eurecat participante en el estudio.

Este trabajo fue financiado por la Generalitat de Cataluña a través del programa ACCIÓ-Eurecat, TIN2018-095232-B-C21, SGR-2017 1742, y el proyecto Greenhabit financiado por el programa EIT Digital. Ninguno de los autores declaró tener conflictos de interés.

• Referencias

Giuseppe Pezzano, Oliver Díaz, Vicent Ribas y Cols. CoLe-CNN+: Context learning – Convolutional neural network for COVID-19-Ground-Glass-Opacities detection and segmentation. Computers in Biology and Medicine, September 2021. doi.org/10.1016/j.compbiomed.2021.104689. PMID: 34364263

• Según un metanálisis de 53 estudios, la enfermedad pulmonar obstructiva crónica (EPOC) y las enfermedades respiratorias crónicas, salvo el asma, se asocian con una COVID-19 más grave.

Relevancia

• Los hallazgos no señalan al asma como factor de riesgo de COVID-19 grave.
• Los hallazgos indican que la EPOC y las enfermedades respiratorias crónicas son factores de riesgo definitivos para la COVID-19 grave.

Diseño del estudio

• Metanálisis de 53 estudios de cohortes (ocho prospectivos, 45 retrospectivos) con 658.073 pacientes.
• Financiación: Ministerio Federal de Educación e Investigación; Centro Alemán de Investigación Pulmonar.

Resultados fundamentales

• EPOC:
  • Prevalencia: 5,2 % de los pacientes con COVID-19 grave y 1,4 % de los pacientes con COVID-19 no grave.
  • Odds ratio (OR): 2,58 (IC del 95 %, 1,99-3,34; I²=66,9 %).
• Enfermedades respiratorias crónicas:
• Prevalencia: 8,6 % de pacientes con COVID-19 grave y 5,7 % con COVID-19 no grave.
  • OR: 2,14 (IC del 95 %, 1,74-2,64; I²=86,0 %).
• Asma:
  • Prevalencia: 2,3 % de pacientes con COVID-19 grave y 2,2 % con COVID-19 no grave.
  • OR: 1,13 (0,79-1,60; I²=94,5 %).

Limitaciones

• Todos los estudios fueron observacionales.
• Alta heterogeneidad entre los estudios para cada una de las tres enfermedades.

Consulta las últimas novedades sobre el coronavirus y descubre nuestra herramienta de rastreo de vacunas y casos de COVID-19 con ayuda de un mapa interactivo.

• Referencias

Gülsen A, König IR, Jappe U, Drömann D. Effect of comorbid pulmonary disease on the severity of COVID-19: A systematic review and meta-analysis. Respirology. 2021 May 6 [Epub ahead of print]. doi: 10.1111/resp.14049. PMID: 33955623
 

Antecedentes

Múltiples informes iniciales de pacientes ingresados ​​en el hospital con COVID-19 mostraron que los pacientes con enfermedad respiratoria crónica estaban significativamente subrepresentados en estas cohortes.

Planteamos la hipótesis de que el uso generalizado de glucocorticoides inhalados entre estos pacientes era responsable de este hallazgo, y probamos si los glucocorticoides inhalados serían un tratamiento eficaz para el COVID-19 temprano.

Métodos

Realizamos un ensayo controlado aleatorizado de fase 2, de grupo paralelo, abierto (Steroids in COVID-19; STOIC) de budesonida inhalada, en comparación con la atención habitual, en adultos dentro de los 7 días posteriores al inicio de los síntomas leves de COVID-19. El ensayo se realizó en la comunidad de Oxfordshire, Reino Unido.

Los participantes fueron asignados aleatoriamente a budsonida inhalada o atención habitual estratificada por edad (≤40 años o> 40 años), sexo (hombre o mujer) y número de comorbilidades (≤1 y ≥2). La aleatorización se realizó mediante la generación de secuencias aleatorias en bloques de aleatorización en una proporción de 1: 1.

El polvo seco de budesonida se administró usando un turbohalador a una dosis de 800 μg por actuación. Se pidió a los participantes que hicieran dos inhalaciones dos veces al día hasta la resolución de los síntomas.

El criterio de valoración principal fue la visita de atención de urgencia relacionada con COVID-19, incluida la evaluación del departamento de emergencias u hospitalización, analizada tanto para las poblaciones por protocolo como por intención de tratar (ITT).

Los resultados secundarios fueron la recuperación clínica autoinformada (resolución de los síntomas), los síntomas virales medidos mediante el Cuestionario de resfriado común (CCQ) y el Cuestionario de resultados informados por el paciente de InFLUenza (FLUPro), la temperatura corporal, las saturaciones de oxígeno en sangre y el SARS-CoV-2 viral. carga.

El ensayo se detuvo antes de tiempo después de que una revisión estadística independiente concluyera que el resultado del estudio no cambiaría con la inscripción adicional de participantes.

Este ensayo está registrado en ClinicalTrials.gov, NCT04416399.

Resultados

Del 16 de julio al 9 de diciembre de 2020, se reclutó y evaluó la elegibilidad de 167 participantes. 21 no cumplieron con los criterios de elegibilidad y fueron excluidos. Se asignaron al azar 146 participantes: 73 a la atención habitual y 73 a la budesonida.

Para la población por protocolo (n = 139), el resultado primario ocurrió en diez (14%) de 70 participantes en el grupo de budesonida y uno (1%) de 69 participantes en el grupo de atención habitual (diferencia en proporciones 0,131, 95 % IC 0 043 a 0 218; p = 0 004).

Para la población ITT, el resultado primario ocurrió en 11 (15%) participantes en el grupo de atención habitual y dos (3%) participantes en el grupo de budesonida (diferencia en proporciones 0 123, IC del 95%: 0 033 a 0 213; p = 0,009).

El número necesario a tratar con budesonida inhalada para reducir el deterioro de COVID-19 fue ocho. La recuperación clínica fue 1 día más corta en el grupo de budesonida en comparación con el grupo de atención habitual (mediana de 7 días [IC del 95%: 6 a 9] en el grupo de budesonida frente a 8 días [7 a 11] en el grupo de atención habitual; prueba de rango logarítmico p = 0,007).

La proporción media de días con fiebre en los primeros 14 días fue menor en el grupo de budesonida (2%, DE 6) que en el grupo de atención habitual (8%, DE 18; prueba de Wilcoxon p = 0 051) y la proporción de participantes con al menos 1 día de fiebre fue menor en el grupo de budesonida en comparación con el grupo de atención habitual.

Se requirió medicación antipirética según la necesidad durante una menor proporción de días en el grupo de budesonida en comparación con el grupo de atención habitual (27% [IQR 0-50] versus 50% [15-71]; p = 0 · 025).

Menos participantes asignados al azar a budesonida tuvieron síntomas persistentes en los días 14 y 28 en comparación con los participantes que recibieron la atención habitual (diferencia en las proporciones 0 204, IC del 95% 0 075 a 0 334; p = 0 003).

El cambio medio en la puntuación total en el CCQ y FLUPro durante 14 días fue significativamente mejor en el grupo de budesonida en comparación con el grupo de atención habitual (diferencia media del CCQ −0 · 12, IC del 95%: −0 · 21 a −0 · 02 [p = 0 · 016]; Diferencia media de FLUPro −0 · 10, IC del 95% −0 · 21 a −0 · 00 [p = 0 · 044]).

Las saturaciones de oxígeno en sangre y la carga de SARS-CoV-2, medidas por el umbral del ciclo, no fueron diferentes entre los grupos. La budesonida fue segura, y solo cinco (7%) participantes informaron eventos adversos autolimitados.

Tiempo hasta la recuperación clínica autoinformada de la población por protocolo mediante la censura de datos para el resultado primario

Interpretación La administración temprana de budesonida inhalada redujo la probabilidad de necesitar atención médica urgente y redujo el tiempo de recuperación después del COVID-19 temprano.

Investigación en contexto
Evidencia antes de este estudio

La mayoría de las intervenciones estudiadas para la pandemia de COVID-19 se centran en pacientes hospitalizados. Se necesitan con urgencia intervenciones ampliamente disponibles y relevantes para el COVID-19 leve.

Se realizaron búsquedas en PubMed y ClinicalTrials.gov entre el 20 de enero y el 23 de marzo de 2020 para todos los estudios sobre COVID-19, utilizando los términos de búsqueda «grave», «comunidad», «COVID-19», «corticosteroides inhalados», «inhalados glucocorticoides ”,“ asma ”y“ EPOC ”, publicado desde el 31 de diciembre de 2019, en inglés o traducido al inglés.

A partir de esta búsqueda, no identificamos ensayos clínicos que examinen la intervención terapéutica de los glucocorticoides inhalados en el COVID-19 temprano. Los estudios observacionales disponibles mostraron un riesgo reducido de COVID-19 grave en pacientes con asma o enfermedad pulmonar obstructiva crónica y, por lo tanto, se planteó la hipótesis de que los corticosteroides inhalados podrían tener un papel protector en la infección por SARS-CoV-2. Hasta la fecha, no se han publicado ensayos clínicos que evalúen la eficacia de los corticosteroides inhalados.

Valor agregado de este estudio

En este ensayo controlado aleatorizado de fase 2, de grupo paralelo, de etiqueta abierta, la budesonida inhalada, cuando se administró a adultos con COVID-19 temprano, redujo la probabilidad de requerir atención de urgencia, consulta en el departamento de emergencias u hospitalización.

También hubo una resolución más rápida de la fiebre, un marcador de mal pronóstico conocido en COVID-19, y la resolución de los síntomas autoinformados e informados por cuestionarios fue más rápida.

Hubo menos participantes con síntomas persistentes de COVID-19 los días 14 y 28 después del tratamiento con budesonida en comparación con la atención habitual. Hasta donde sabemos, este es el primer ensayo de intervención para estudiar la eficacia de los corticosteroides inhalados en la enfermedad COVID-19 temprana.

Implicaciones de toda la evidencia disponible

El ensayo STOIC proporciona potencialmente la primera intervención eficaz de fácil acceso en la fase temprana de COVID-19.

Al evaluar el uso de recursos de atención médica, el estudio ofrece una opción interesante para ayudar con la presión mundial sobre los sistemas de atención médica debido a la pandemia de COVID-19. Los datos de este estudio también sugieren un tratamiento potencialmente eficaz para prevenir la morbilidad a largo plazo de los síntomas persistentes del COVID-19