SRAS-CoV-2: mesurer l'ARN viral pour savoir quels patients vont mourir

Dans une étude publiée dans Science Advances, l’équipe du chercheur et médecin Daniel Kaufmann, professeur au Département de médecine de l’Université de Montréal, montre que la quantité de matériel génétique du SRAS-CoV-2 circulant dans le sang – l’ARN viral – est un indicateur fiable pour reconnaître les patients susceptibles de mourir de la COVID-19.

Malgré les progrès de la prise en charge de la maladie, désigner les patients les plus à risque d’en décéder demeure difficile pour les médecins et cela les empêche de leur proposer de nouveaux traitements.

De nombreux biomarqueurs ont pourtant été mis au jour dans la littérature scientifique récente. Mais jongler avec un tel foisonnement de paramètres est impossible en clinique et nuit à une prise de décisions médicales rapides.  

«Dans notre étude, nous avons pu déterminer quels biomarqueurs sont prédictifs de la mortalité dans les 60 jours suivant l’apparition des symptômes de la maladie. Grâce à nos données, nous avons réussi à concevoir, puis à valider un modèle statistique basé sur un seul marqueur sanguin», dit le D^r Kaufmann, coauteur principal avec Nicolas Chomont et Andrés Finzi, deux autres chercheurs du Centre de recherche du CHUM (CRCHUM).

À partir de prélèvements sanguins sur 279 patients hospitalisés pour une forme de la COVID-19 allant de modérée à critique, l’équipe du D^r Kaufmann a mesuré les quantités de protéines inflammatoires et les équipes de Nicolas Chomont et d’Andrés Finzi les quantités d’ARN viral et les taux d’anticorps ciblant le virus respectivement. Les échantillons ont été recueillis 11 jours après l’apparition des symptômes et les patients ont été suivis pendant 60 jours au minimum après cette période.

L’hypothèse des scientifiques? Vérifier si ces indicateurs immunologiques étaient associés à une augmentation de la mortalité.

«Parmi tous les biomarqueurs évalués, nous montrons que la quantité d’ARN viral dans le sang est directement associée à la mortalité et donne la meilleure réponse prédictive une fois notre modèle ajusté en fonction de l’âge et du sexe de la personne malade. Nous avons même constaté que l’ajout de biomarqueurs supplémentaires n’améliore pas la qualité prédictive», explique Elsa Brunet-Ratnasingham, doctorante au laboratoire du D^r Kaufmann et copremière auteure de l’étude.