Un modelo matemático marca el camino hacia unos tratamientos más eficaces de la COVID-19
Una de las razones por las que la COVID-19 es tan difícil de tratar es que los síntomas que presenta son muy amplios, ya que pueden ser inexistentes, mostrar una insuficiencia orgánica o incluso causar la muerte. Por eso es esencial comprender la heterogeneidad de la COVID-19 e identificar el mejor tratamiento en cada caso para luchar contra el coronavirus del síndrome respiratorio agudo grave de tipo 2 (SARS-CoV-2). Unos investigadores de Chipre, Irán y los Estados Unidos han avanzado considerablemente hacia este objetivo. Los científicos han desarrollado un modelo matemático exhaustivo que muestra por qué los resultados de la COVID-19 son tan variados y de qué forma el tratamiento se puede adaptar a las necesidades de grupos específicos de pacientes. El modelo basado en la biología es resultado de una investigación que ha contado con el apoyo parcial de los proyectos Immuno-Predictor y CancerFingerPrints, para los que Triantafyllos Stylianopoulos, investigador de la Universidad de Chipre, recibió financiación de la Unión Europea. La investigación se explica en un artículo publicado en la revista «Proceedings of the National Academy of Sciences of the United States of America». El modelo matemático se basa en mecanismos conocidos del SARS-CoV-2 e incorpora posibles mecanismos de acción de diferentes tratamientos que se han ensayado con pacientes de COVID-19. Además, muestra la forma en que aspectos como la edad y otras patologías que un paciente pueda tener pueden afectar a su respuesta al tratamiento y a los resultados clínicos. «Nuestro modelo predice que los fármacos antivirales y antiinflamatorios que se emplearon al principio para tratar la COVID-19 pueden tener una eficacia limitada en función de la etapa de la progresión de la enfermedad», afirmó el autor, Rakesh K. Jain, de la Escuela de Medicina de Harvard y el Massachusetts General Hospital, en una noticia publicada en el sitio web «Scienmag».
La trayectoria de la enfermedad
A lo largo de la investigación, los científicos observaron que la carga vírica —es decir, la cantidad de virus presentes en la sangre— aumenta durante las fases iniciales de la infección pulmonar. Sin embargo, después del quinto día, la trayectoria de la infección vírica cambia según los niveles de linfocitos T activados, que son los leucocitos que forman parte del sistema inmunitario adaptativo. En pacientes de menos de treinta y cinco años con unos sistemas inmunitarios sanos, los científicos observaron un aumento sostenido de linfocitos T. Esto iba acompañado de una disminución de la carga vírica y de una reducción de la inflamación, así como de unos niveles más bajos de células del sistema inmunitario innato, llamadas neutrófilos y macrófagos. Estos procesos conllevaron una reducción considerable de la formación de trombos y un restablecimiento de los niveles de oxígeno en los pulmones. Aun así, se observó que era habitual obtener un mal resultado en los casos en que los pacientes presentaban un nivel de inflamación elevado al infectarse de SARS-CoV-2. Lo mismo sucedió con las personas que tenían una respuesta inmunitaria innata más activa combinada con un sistema inmunitario adaptativo menos eficaz. Estos casos incluían a los pacientes de edades más avanzadas y a personas con diabetes, obesidad, hipertensión o una respuesta inmunitaria desregulada. Según el modelo, entre los tratamientos eficaces para pacientes diabéticos, así como para los pacientes de más edad que presenten algo de inflamación y una inmunidad adaptativa deficiente, se incluyen la heparina (un anticoagulante) o un inhibidor del punto de control inmunitario combinado con dexametasona (un corticoide). Además, la combinación de heparina y dexametasona ha demostrado ser beneficiosa para los pacientes con obesidad o hipertensión. Inicialmente, el modelo basado en la biología se desarrolló para las investigaciones oncológicas realizadas con el apoyo de los proyectos Immuno-Predictor (Mechanical Biomarkers for Prediction of Cancer Immunotherapy) y CancerFingerPrints (Identification of nano-mechanical fingerprints as a biomarker for cancer treatment prognosis). Los investigadores tienen previsto seguir desarrollándolo para estudiar la respuesta del sistema inmunitario a las diferentes vacunas de la COVID-19. Para más información, consulte: Proyecto Immuno-Predictor Proyecto CancerFingerPrints
Palabras clave
Immuno-Predictor, CancerFingerPrints, COVID-19, coronavirus del síndrome respiratorio agudo grave de tipo 2 (SARS-CoV-2), modelo matemático, cáncer, tratamiento
