Des chercheurs de Johns Hopkins Medication et de l’Université Johns Hopkins ont créé et testé de manière préliminaire ce qu’ils pensent être l’un des premiers modèles pour prédire qui a la plus forte probabilité d’être résistant au COVID-19 malgré l’exposition au SRAS-CoV-2, le virus qui le lead to.
L’étude est publiée en ligne aujourd’hui dans la revue PLOS 1.
“Si nous pouvons identifier quelles personnes sont naturellement capables d’éviter l’infection par le SRAS-CoV-2, nous pourrons peut-être apprendre – en plus des facteurs sociétaux et comportementaux – quelles différences génétiques et environnementales influencent leur défense contre le virus”, déclare l’auteure principale de l’étude, Karen (Kai-Wen) Yang, étudiante diplômée en génie biomédical au laboratoire de recherche et d’innovation en informatique translationnelle de l’Université Johns Hopkins. “Cette idée pourrait conduire à de nouvelles mesures préventives et à des traitements moreover ciblés.”
Pour son étude, l’équipe de recherche a cherché à déterminer si un modèle statistique d’apprentissage automatique pouvait utiliser les caractéristiques de santé stockées dans les dossiers de santé électroniques – fournissant des données sur les people telles que les comorbidités (autres circumstances médicales) et les médicaments prescrits – comme moyen d’identifier les personnes ayant une capacité naturelle à éviter l’infection par le SRAS-CoV-2. Ces personnes, dit Yang, pourraient alors être étudiées pour mieux comprendre les facteurs favorisant leur résistance.
Un modèle d’apprentissage automatique est un programme ou un système informatique qui utilise des algorithmes mathématiques pour trouver des modèles statistiques, puis applique les modèles à l’avenir. Cela donne à ces systèmes la capacité d’imiter la pensée et le raisonnement humains et, comme le cerveau, d’apprendre au fil du temps.
“L’utilisation d’un système d’apprentissage automatique pour reconnaître des schémas complexes chez un grand nombre de personnes atteintes de COVID-19 a permis à une autre équipe de chercheurs de Johns Hopkins Medication en 2021 de prédire l’évolution du cas d’un client et de déterminer la probabilité qu’il devienne grave”, déclare le co-auteur principal de l’étude, Stuart Ray, MD, vice-président de la médecine pour l’intégrité et l’analyse des données, et professeur de médecine à la Johns Hopkins University University of Drugs. “Sur la base de leur succès, notre équipe s’est demandée si la même approche pouvait également être appliquée pour prédire qui pourrait être exposé au SRAS-CoV-2 de près et ne pas être infecté.”
Pour démontrer la capacité du modèle à prédire la résistance au COVID-19, les chercheurs ont d’abord acquis des données d’un registre clinique appelé Johns Hopkins COVID-19 Precision Medicine Analytics Platform Registry (JH-CROWN). Le registre contient des informations sur les clients vus au sein du système de santé Johns Hopkins qui ont été suspectés ou confirmés comme ayant une an infection par le SRAS-CoV-2.
Pour leur étude de résistance, les chercheurs n’ont inclus que les personnes qui ont reçu un take a look at COVID-19 entre le 10 juin 2020 et le 15 décembre 2020 et qui ont signalé une «exposition potentielle au virus» comme raison du test.
La day de fin était le moment où les endeavours de vaccination à grande échelle contre le COVID-19 ont commencé aux États-Unis. Le choix de cette date, disent les chercheurs, leur a permis d’éviter les effets sur leurs découvertes des vaccins prévenant l’infection plutôt que la résistance naturelle.
Les 8 536 participants à l’étude qui ont déclaré l’exposition comme raison pour se faire tester COVID ont été divisés en deux groupes : ceux qui ne partageaient pas de résidence (appelée « ménage » dans cette étude) avec des individuals COVID-19 ou leur résidence avaient 10 personnes ou plus les patients et ceux qui partageaient une résidence avec 10 personnes ou moins, dont au moins une était un affected individual COVID-19. Le leading groupe, avec 8 476 des members, a été désigné comme l’ensemble de development et de examination, tandis que le next groupe, appelé l’ensemble de l’indice des ménages (HHI), comptait 60 membres et a été utilisé comme un ensemble de exam distinct.
Maintenir le nombre de ménages à 10 ou moins, selon les chercheurs, excluait les personnes vivant dans des complexes d’appartements, des dortoirs et d’autres zones de vie à plusieurs unités à furthermore forte densité où l’exposition à une personne particulière positive pour le SRAS-CoV-2 serait moins rigorous.
“Nous avons émis l’hypothèse que MASPC nous permettrait de regrouper les people présentant des schémas similaires dans leurs données pour les définir comme résistants et non résistants au SRAS-CoV-2, et dans l’espoir que l’algorithme apprendrait à chaque analyse remark améliorer la précision et la fiabilité des missions futures », déclare Ray. “Cette étude initiale utilisant les données de JH-CROWN a été menée pour donner vie à cette hypothèse, un essai de preuve de thought de notre modèle statistique pour montrer que la résistance au COVID-19 pourrait être prévisible en fonction du profil clinique et démographique d’un affected individual.”
“Dans l’ensemble de formation et de test, nous avons identifié 56 modèles de codes ICD divisés en deux groupes : associés à la résistance ou non associés”, explique Yang. “Les analyses statistiques de la capacité de différenciation de ces modèles entre la résistance et la non-résistance ont donné cinq modèles qui ont fait le meilleur travail pour notre petite et localisée [Baltimore-Washington, D.C. metroplex] population d’étude pour définir qui a été le additionally inclined d’être exposé au SRAS-CoV-2. »
“En recherchant ces modèles dans l’ensemble HHI – les individus les plus susceptibles d’avoir été exposés au SRAS-CoV-2 de près – puis en analysant statistiquement les résultats, la meilleure performance de notre modèle était de, 61”, explique Ray. « Puisqu’un score de, 5 ne montre qu’une association fortuite entre la prédiction et la réalité, et 1 est une association à 100 %, cela montre que le modèle est prometteur en tant qu’outil pour identifier les personnes résistantes au COVID-19 qui peuvent être étudiées in addition avant », déclare Ray.
Les limites de l’étude, dit Ray, incluent le biais potentiel de l’auto-déclaration de l’exposition au COVID-19 par les members, le petit nombre de individuals dans le groupe HHI, la possibilité que les members testent le SRAS-CoV-2 à l’aide de kits à domicile ou dans des établissements en dehors du système Johns Hopkins (et par conséquent, les checks n’ont pas été enregistrés dans la foundation de données JH-CROWN), et la courte durée de l’étude elle-même. Il ajoute que de futures pistes utilisant des données nationales sur les individuals sont nécessaires pour valider la capacité du modèle.
Avec Yang et Ray, les membres de l’équipe d’étude de Johns Hopkins Medicine et de l’Université Johns Hopkins sont les étudiants diplômés et de leading cycle Yijia Chen, Jacob Desman, Kevin Gorman, Chloé Paris, Ilia Rattsev, Tony Wei et Rebecca Yoo et les co-auteurs principaux de la faculté Joseph Greenstein et Casey Overby Taylor.
Les auteurs de l’étude ne signalent aucun conflit d’intérêts.