Nuevo predictor de influenza

Una nueva herramienta computacional que incorpora la evolución viral y la epidemiología, predice un brote de influenza A (H3N2) superior a la media, en la temporada 2017 a 2018, pero no tan grave como la del año anterior.

El modelo, reportado en un artículo publicado el 25 de octubre en la revista Science Translational Medicine, predijo con exactitud la gravedad de la temporada de influenza de 2016, antes de que esta comenzara, informan los investigadores.

La cepa H3N2 por sí sola es responsable de la mayor morbilidad y mortalidad asociadas a la influenza en Estados Unidos. Los brotes varían de un año a otro, debido a las interacciones entre la evolución viral, incluidos los cambios en la secuencia de la proteína hemaglutinina, y las características epidemiológicas, así como el porcentaje de la población que es inmune contra las variantes virales circulantes.

Xiangjun Du, PhD, investigador posdoctoral, del Departamento de Ecología y Evolución, del University of Chicago Medical Center, en Chicago, Estados Unidos, y sus colaboradores, desarrollaron un modelo computacional que combina los datos de vigilancia con los cambios de aminoácidos, para predecir la gravedad del brote mucho antes que cuando solo se utilizan los factores epidemiológicos.

“Consideramos un riesgo de enfermedad interanual en lugar de un brote a mayor escala durante la temporada, es decir, pronosticamos si la próxima temporada será anormalmente grande o pequeña”, escriben los investigadores. Su enfoque permite realizar la predicción en el verano, y no a principios de otoño.

El “nuevo índice evolutivo” de los investigadores comparó las secuencias de aminoácidos para los epítopos de hemagultinina H3N2, la proteína viral que cambia, utilizando los datos de los años 2002 a 2011 para “entrenar” el modelo, y los datos de 2011 a 2016 para comprobar la precisión de sus predicciones. Desarrollaron modelos continuos (pequeños cambios genéticos que no justifican una nueva formulación de vacunas), y un clúster (cambios genéticos mayores). Ambos enfoques permitieron a los investigadores predecir la alta incidencia de casos del año pasado.

Para probar la estrategia, los autores consideraron la región geográfica que abarca el Distrito de Columbia, Maryland, Delaware, Pennsylvania, Virginia, y Virginia Occidental. Área que, en conjunto, es relativamente pequeña, pero con una población alta, y un clima templado.

“Los pronósticos basados en el mejor clúster, y los modelos continuos, capturan tanto la variación interanual de los brotes, como el riesgo de enfermedad para esta región en Estados Unidos”, escriben los investigadores.

Los pronósticos anteriores, como los realizados durante el verano, pueden ayudar a los proveedores de atención médica a prepararse para los programas de vacunación, y la afluencia de casos.

Los investigadores concluyen: “En general, el hecho de que la incorporación de la evolución de patógenos a los modelos epidemiológicos aumenta las habilidades de pronóstico, debería impulsar los esfuerzos futuros para mejorar aún más el modelo presentado”.

Las limitaciones del estudio consisten en que no se consideran la edad o el estado socioeconómico, centrándose solo en la proteína hemaglutinina y la cepa H3N2, y no en otras partes virales, así como en haber restringido la región geográfica a Estados Unidos.

Mercedes Pascual, profesora de ecología y evolución, en la University of Chicago, y autora principal del estudio, señaló: “Podemos pronosticar la incidencia para Estados Unidos en el verano, antes de que inicie la temporada de transmisión. Nuestro método es apto para predecir la incidencia general de la temporada, pero no así el pico de las epidemias. Realizamos un pronóstico para la influenza H3N2 en la próxima temporada. Ahora debemos esperar, y ver qué tan bien lo hemos hecho”.