Immuunprofiel bij ziekenhuisopname voorspelt verloop covid-19

Onderzoekers van het Erasmus MC kunnen ziekenhuispatiënten met covid-19 middels machine learning indelen in drie verschillende immuuntypes. Deze immuuntypes hangen samen met het verloop van de ziekte.

Het team van onderzoekers uit Nederland, Griekenland, Spanje en Italië analyseerde het immuunsysteem van 138 covid-19 patiënten uit Rotterdam en Barcelona. Ze keken in het bloedserum naar de aanwezigheid en hoeveelheid ontstekingsremmende en -stimulerende stoffen en naar antistoffen tegen het coronavirus zelf. Vervolgens pasten ze machine learning toe op deze immuunmetingen.

Zo ontdekten ze drie verschillende immuuntypes die op het moment van ziekenhuisopname samenhangen met het klinische verloop van de ziekte. “Machine learning kon vaststellen welke patiënten zouden verslechteren en welke zouden verbeteren nadat ze in het ziekenhuis waren opgenomen”, aldus hoogleraar Immunologie Peter Katsikis van het Erasmus MC. 

De ontdekking van de drie immuunprofielen kan de basis zijn voor een gepersonaliseerde behandeling, zo schrijven de onderzoekers in Nature Communications. Zo hebben patiënten die bij opname in het ziekenhuis weinig of geen antistoffen hebben tegen SARS-CoV-2 een hoger risico op exacerbatie. De groep heeft waarschijnlijk baat bij snelle toediening van antistoffen. “De geïdentificeerde immuuntypes voorspellen niet de duur van de ziekte bij ziekenhuisopname, maar weerspiegelen variaties in de aard en werking van de immuunrespons van de individuele patiënt”, zo zegt professor Katsikis. 

  • Mueller, Y.M., Schrama, T.J., Ruijten, R. et al. Stratification of hospitalized COVID-19 patients into clinical severity progression groups by immuno-phenotyping and machine learning. Nat Commun 13, 915 (2022). https://doi.org/10.1038/s41467-022-28621-0

U wil op dit artikel reageren ?

Toegang tot alle functionaliteiten is gereserveerd voor professionele zorgverleners.

Indien u een professionele zorgverlener bent, dient u zich aan te melden of u gratis te registreren om volledige toegang te krijgen tot deze inhoud.
Bent u journalist of wenst u ons te informeren, schrijf ons dan op redactie@rmnet.be.