Biomarcador CXCL10 y resultado pronóstico y evolutivo de pacientes COVID-19
Investigadores de Milán Italia, publicaron en la edición del 18 de octubre de 2021 del Molecular Medicine de Cambridge, Massachusetts, EEUU los resultados de un estudio observacional llevado adelante en un único hospital que realizó una evaluación jerárquica de presuntos 53 biomarcadores inflamatorios que permitió concluir que el significado de los niveles de CXCL10 (que también se conoce como proteína 10 inducible de interferón gamma) al ingreso hospitalario predicen el resultado pronóstico y evolutivo de pacientes COVID-19*.
Introduciendo el tema, los autores plantean que la pandemia del síndrome respiratorio agudo severo coronavirus 2019 (COVID-19) causada por coronavirus 2 (SARS-CoV-2) amenaza los sistemas de salud en todo el mundo y había matado a más de dos millones y medio de personas en todo el mundo al momento de realizarse este estudio.
Las manifestaciones clínicas son heterogéneas, el espectro de gravedad va desde la enfermedad autolimitada hasta la que pone en peligro la vida.
Los datos fragmentados recopilados durante la emergencia inicial limitaron la posibilidad de investigar el efecto de covariables altamente correlacionadas y modelar la interacción entre los biomarcadores de los factores de riesgo y los resultados mediante enfoques estadísticos estándar.
Sin embargo, es obligatorio encontrar enfoques estadísticos para los datos de las series de casos de COVID 19 que permitan una identificación temprana de los pacientes con mayor riesgo de resultados adversos, como la muerte o el traslado a la unidad de cuidados intensivos (UCI).
La estratificación de pacientes permitiría una asignación adecuada de los recursos disponibles y la selección de la intensidad de la atención.
La heterogeneidad en el resultado clínico está influenciada por la respuesta individual del huésped a la infección por SARS-CoV-2.
Los mejores resultados podrían reflejar una respuesta inmune innata temprana efectiva a la infección primaria, que limita el daño colateral a los tejidos periféricos causado por la inflamación desenfrenada
Por el contrario, un resultado desfavorable podría depender de una falla de la respuesta inmune temprana para eliminar el virus, lo que lleva a daño celular y tisular, autoamplificando la liberación de adyuvantes endógenos y alarminas que desencadenan aún más la producción desenfrenada de citocinas y quimiocinas inflamatorias en casos no controlados.
En cualquier caso, la infección por SARS-CoV-2 provoca una respuesta de fase aguda. La mediana de tiempo desde el inicio de los síntomas hasta la eliminación viral en pacientes sobrevivientes o fallecidos es de 20 y 19 días, respectivamente.
Esta cinética implica fuertemente un papel para las respuestas inmunes adquiridas. De hecho, la activación coordinada de las células T y B de memoria específicas del SARS-CoV-2 junto con la generación de anticuerpos de alta afinidad específicos del SARS-CoV-2 parece tener un efecto protector, mientras que las respuestas inmunitarias no sincronizadas no logran limitar la infección. con activación paroxística desadaptativa de las cascadas inflamatorias y coagulativas
Varios marcadores candidatos, utilizados habitualmente en la práctica clínica o seleccionados en función de su acción biológica, se han asociado con la gravedad de la enfermedad y, en algunos casos, con peores resultados clínicos
Los modelos estadísticos estándar para apoyar la toma de decisiones clínicas combinan los resultados de las características demográficas, la información clínica, las técnicas de imagen y los biomarcadores seleccionados.
No es sorprendente que, dada la redundancia en los factores inflamatorios generados durante la respuesta de fase aguda, sea difícil identificar de manera imparcial qué señales podrían proporcionar una ventaja específica sobre las que ya se usan comúnmente en la rutina clínica.
Los árboles de decisión son algoritmos de clasificación que se utilizan para identificar modelos que predicen resultados binarios y se pueden utilizar de forma exploratoria o predictiva.
Los autores utilizaron el árbol de clasificación y regresión (CART por las siglas en inglés de classification and regression tree) en ambos sentidos, con el fin de identificar aquellas variables entre las características del paciente y cincuenta y tres biomarcadores moleculares innovadores evaluados al ingreso hospitalario (y los puntos de corte correspondientes) que podrían permitir discriminar mejor a los pacientes con respecto a su resultado de supervivencia y entrada a la UCI.
Fueron estudiados 111 pacientes COVID-19 seguidos prospectivamente en un único Hospital de referencia mediante cincuenta y tres biomarcadores potenciales que incluyeron alarminas, citocinas, adipocitocinas y factores de crecimiento, moléculas inmunes y neuroendocrinas innatas humorales y reguladores del metabolismo del hierro.
Los biomarcadores en el momento del ingreso hospitalario junto con la edad, el grado de hipoxia, la proporción de neutrófilos a linfocitos (NLR por sus siglas en inglés), lactato deshidrogenasa (LDH), proteína C reactiva (PCR) y creatinina se analizaron dentro de un enfoque basado en datos para clasificar a los pacientes con respecto a la supervivencia. y resultados de la UCI. Se utilizaron modelos de árbol de clasificación y regresión (CART) para identificar biomarcadores de pronóstico.
Entre los cincuenta y tres biomarcadores potenciales, el análisis del árbol de clasificación seleccionó CXCL10 en el momento del ingreso hospitalario, en combinación con NLR y el tiempo desde el inicio, como los mejores predictores de la transferencia de UCI (AUC –area under the curve– [IC del 95%] = 0,8374 [0,6233–0,8435]), mientras que se seleccionó solo para predecir la muerte (AUC [IC del 95%] = 0,7334 [0,7547–0,9201]).
La concentración de CXCL10 disminuyó en los sobrevivientes de COVID-19 después de la curación y el alta del hospital.
La conclusión a la que arribaron los autores fue que CXCL10 fue el biomarcador predictivo más sólido del resultado del paciente COVID-19.
* Lorè NI, De Lorenzo R, Rancoita PMV, Cugnata F, Agresti A, Benedetti F, Bianchi ME, Bonini C, Capobianco A, Conte C, Corti A, Furlan R, Mantegani P, Maugeri N, Sciorati C, Saliu F, Silvestri L, Tresoldi C; Bio Angels for COVID-BioB Study Group, Ciceri F, Rovere-Querini P, Di Serio C, Cirillo DM, Manfredi AA. CXCL10 levels at hospital admission predict COVID-19 outcome: hierarchical assessment of 53 putative inflammatory biomarkers in an observational study. Mol Med. 2021 Oct 18;27(1):129. doi: 10.1186/s10020-021-00390-4. PMID: 34663207; PMCID: PMC8521494.
