# Uso de inteligencia artificial en la predisposición genética a enfermedad crítica por COVID-19: evaluación comparativa de modelos de aprendizaje automático

## TL;DR

This study uses AI to predict severe COVID-19 by combining clinical, lab, and genetic data, finding that adding genetic markers improves prediction accuracy.

## Contribution

The novel integration of genetic data with clinical and lab variables in machine learning models improves prediction of severe COVID-19.

## Key findings

- Three SNPs (rs77534576, rs10774671, rs10490770) were significantly associated with severe COVID-19.
- Ensemble models like Random Forest achieved high AUC (0.989) in predicting severe disease.
- Adding genetic data improved predictive power compared to non-genetic models.

## Abstract

La predicción temprana de enfermedad crítica por COVID-19 es crucial para optimizar el manejo clínico. Este estudio tiene como objetivo optimizar la predicción de enfermedad crítica por COVID-19 mediante la integración de datos clínicos, de laboratorio y polimorfismos genéticos en modelos de inteligencia artificial, evaluando y comparando el rendimiento de distintos algoritmos de aprendizaje automático.

Se analizaron 155 pacientes hospitalizados, 23 de los cuales desarrollaron enfermedad crítica. Se realizó un análisis univariante para evaluar la asociación entre siete SNPs y 9 variables clínicas y 10 parámetros de laboratorio en la analítica al ingreso.

De los 7 SNPS, solo tres SNPs se asociaron significativamente con enfermedad crítica: rs77534576, rs10774671 y rs10490770. Los modelos de ensemble consiguieron el mejor rendimiento: Random Forest (AUC=0,989), XGBoost (AUC=0,954) y AdaBoost (AUC=0,927). La importancia de las variables varió entre los modelos, destacando la edad, proteína C reactiva, cardiopatías y los tres SNPs en la mayoría de ellos. La incorporación de los SNPs mejoró el poder predictivo en comparación con estudios previos sin datos genéticos. La validación interna confirmó la superioridad y estabilidad de los modelos de ensemble.

Los modelos de aprendizaje automático pueden ayudar en la predicción por enfermedad crítica por Covid-19. La incorporación de SNPs asociados a gravedad a los datos clínicos y de laboratorio mejora el poder predictivo. Se requieren estudios adicionales con cohortes más grandes y diversas para validar y generalizar estos hallazgos antes de su aplicación clínica.