Identificación de pacientes con un mayor riesgo de peor evolución clínica tras la infección por SARS-COV-2 mediante el diseño de algoritmos basados en la variabilidad genética

Abstract

The genetic background influences the outcomes of COVID-19. The present study aimed to evaluate the incidence of polymorphisms in genes associated with the renin-angiotensin-aldosterone system (RAAS), cytokine production within the inflammatory system, and the vitamin D metabolic pathway, in relation to the severity of SARS-CoV-2 infection. To this end, a cohort of 338 patients with confirmed COVID-19 diagnosis was analyzed using machine learning algorithms to identify the genetic variants exerting the greatest impact on the clinical prognosis of the disease.

The findings revealed that polymorphisms located in the IL6, IL6R, IL1α, IL1R, IFN-γ, TNF-α, CRP, VDR, VDBP, and ACE2 genes represent the most relevant genetic factors modulating the clinical severity of COVID-19. These genetic variants were significantly associated with an increased risk of developing COVID-19 pneumonia, higher mortality, hospital readmission within one year, and mortality related to such readmission. The applied machine learning models achieved an area under the curve (AUC) of 0.86 for predicting pneumonia, mortality, and readmission-associated mortality, as well as an AUC of 0.85 for predicting hospital readmission during the first year post-infection. These results reinforce the hypothesis that an individual’s genetic profile plays a determining role in the prognosis of COVID-19 and enable the stratification of patients with greater clinical susceptibility.

In conclusion, this study demonstrates that predictive models based on machine learning and informed by genetic data constitute an effective tool for identifying individuals at increased risk of adverse outcomes, with particular relevance attributed to genetic variants related to the ACE2 gene, the inflammatory system, and vitamin D metabolism.

En la evolución clínica de la enfermedad por coronavirus (COVID-19), la genética constituye un determinante clave. El presente estudio tuvo como objetivo evaluar la incidencia de polimorfismos en genes asociados con el sistema renina-angiotensina-aldosterona (SRAA), la producción de citoquinas del sistema inflamatorio y la vía metabólica de la vitamina D, en relación con la gravedad de la infección por SARS-CoV-2. Para ello, se analizó una cohorte conformada por 338 pacientes con diagnóstico confirmado de COVID-19, empleando algoritmos de aprendizaje automático con el propósito de identificar las variantes genéticas con mayor impacto sobre el pronóstico clínico de la enfermedad. Los hallazgos obtenidos revelan que los polimorfismos localizados en los genes IL6, IL6R, IL1α, IL1R, IFN-γ, TNF-α, CRP, VDR, VDBP y ECA2 representan los factores genéticos más relevantes en la modulación de la gravedad clínica de la COVID-19. Estas variantes genéticas se asociaron de manera significativa con un mayor riesgo de desarrollar neumonía por COVID-19, incremento de la mortalidad, reingreso hospitalario en el siguiente año y mortalidad relacionada con dicho reingreso. Los modelos de aprendizaje automático utilizados alcanzaron un área bajo la curva (AUC) de 0,86 para la predicción de neumonía, mortalidad y mortalidad asociada al reingreso hospitalario, así como un AUC de 0,85 para la predicción de reingreso durante el primer año postinfección. Estos resultados refuerzan la hipótesis de que el perfil genético individual desempeña un papel determinante en el pronóstico de la COVID-19 y permiten la estratificación de pacientes con mayor susceptibilidad clínica. En conclusión, este estudio evidencia que los modelos predictivos basados en aprendizaje automático y dirigidos por información genética constituyen una herramienta eficaz para identificar individuos con riesgo aumentado de evolución adversa, siendo especialmente relevantes las variantes genéticas relacionadas con el gen ECA2, el sistema inflamatorio y el metabolismo de la vitamina D.