Uno dei tanti misteri che ancora circondano il COVID-19 è il motivo per cui alcune persone sperimentano solo lievi, sintomi influenzali, considerando che altri soffrono di problemi respiratori potenzialmente letali, disfunzione vascolare e danno tissutale. Ora, ricercatori che riferiscono in ACS' Chimica analitica hanno utilizzato una combinazione di metabolomica e apprendimento automatico per identificare possibili biomarcatori che potrebbero sia aiutare a diagnosticare COVID-19 sia a valutare il rischio di sviluppare malattie gravi.

Nonostante alcune condizioni preesistenti, come il diabete o l'obesità, può aumentare il rischio di ospedalizzazione e morte per COVID-19, alcune persone altrimenti sane hanno anche manifestato sintomi gravi. Poiché la maggior parte della popolazione mondiale attende la vaccinazione, la capacità di diagnosticare contemporaneamente un paziente e stimare il suo livello di rischio potrebbe consentire un migliore processo decisionale medico, ad esempio quanto da vicino monitorare un particolare paziente o dove allocare le risorse. Perciò, Anderson Rocha, Rodrigo Ramos Catharino e colleghi volevano utilizzare la spettrometria di massa combinata con una tecnica di intelligenza artificiale chiamata machine learning per identificare un pannello di metaboliti in grado di fare proprio questo.

Lo studio trasversale ha incluso 442 pazienti che avevano diverse gravità dei sintomi di COVID-19 e sono risultati positivi al test della reazione a catena della trascrittasi-polimerasi inversa (RT-PCR), 350 controlli risultati negativi per COVID-19 e 23 persone sospettate di avere il virus nonostante un test RT-PCR negativo. I ricercatori hanno analizzato campioni di plasma sanguigno dei partecipanti con spettrometria di massa e algoritmi di apprendimento automatico, identificando 19 potenziali biomarcatori per la diagnosi di COVID-19 e 26 biomarcatori che differivano tra malattie lievi e gravi.

Dei pazienti sospettati di COVID-19, Il 78,3% è risultato positivo con il nuovo approccio, possibilmente indicando che questi erano falsi negativi RT-PCR. Sebbene i biomarcatori identificati, che includevano metaboliti coinvolti nel riconoscimento virale, infiammazione, rimodellamento lipidico e omeostasi del colesterolo, devono essere ulteriormente verificati, potrebbero rivelare nuovi indizi su come SARS-CoV-2 colpisce il corpo e provoca gravi malattie, dicono i ricercatori.