Investigadores del Chan Zuckerberg Biohub (CZ Biohub), la Iniciativa Chan Zuckerberg (CZI) y la Universidad de California en San Francisco (UCSF), en EE. UU., han desarrollado un nuevo método de diagnóstico que aplica el aprendizaje automático a los datos genómicos avanzados tanto del microbio como del huésped, para identificar y predecir los casos de sepsis. El estudio se ha publicado en la revista Nature Microbiology y este método tiene el potencial de superar con creces las capacidades de diagnóstico actuales.
“Uno de los principales retos de la sepsis es el diagnóstico. Las pruebas de diagnóstico existentes no son capaces de captar la naturaleza dual de la enfermedad: la propia infección y la respuesta inmunitaria del huésped a la infección«, explica Chaz Langelier, autor principal del estudio.
Los investigadores descubrieron que el método mNGS y su modelo correspondiente funcionaban mejor de lo esperado. Fueron capaces de identificar el 99% de los casos de sepsis bacteriana confirmada; el 92% de los casos de sepsis vírica confirmada; y predijeron la sepsis en el 74% de los casos clínicamente sospechosos que no habían sido diagnosticados definitivamente.
