microbius
РОССИЙСКИЙ МИКРОБИОЛОГИЧЕСКИЙ ПОРТАЛ
Поиск
rss

ООО "АЛИФАКС"

ИНН 7718314415

ID 2Vtzqx7tLnC

Реклама

ООО "АЛИФАКС"

ИНН 7718314415

ID 2VtzqwzYS9e

Реклама

ООО "АЛИФАКС"

ИНН 7718314415

ID 2VtzqvtsLHv

Реклама

Машинное обучение при назначении антибиотиков может помочь минимизировать распространение резистентности
Машинное обучение при назначении антибиотиков может помочь минимизировать распространение резистентности

Автор/авторы:
share
47
backnext
Фото: Scott Graham/unsplash.com

Используя методы геномного секвенирования и машинного обучения, исследователи разработали алгоритм назначения антибиотиков, который снижает риск возникновения антибиотикорезистентности в два раза.

   Работа, опубликованная 24 февраля в журнале Science посвящена двум очень распространенным бактериальным инфекциям - инфекциям мочевыводящих путей и раневым инфекциям, и описывает как история инфекций каждого пациента может быть использована для выбора оптимального антибиотика, чтобы снизить вероятность возникновения устойчивости к антибиотикам.

   Клиническое лечение инфекций сосредоточено на правильном подборе антибиотика в соответствии с профилем резистентности возбудителя, но даже такое правильно подобранное лечение может оказаться неудачным, поскольку резистентность может возникнуть во время самого лечения. "Мы хотели понять, как возникает резистентность к антибиотикам в процессе лечения, и найти способы более точного подбора антибиотиков для каждого пациента, чтобы не только правильно подобрать антибиотик в соответствии с текущей восприимчивостью пациента к инфекции, но и минимизировать риск рецидива инфекции и возникновения резистентности к лечению", - говорит руководитель исследования Рой Кишони.

   Ключом к успеху этого подхода стало понимание того, что появление резистентности к антибиотикам можно предсказать при инфекциях отдельных пациентов. Бактерии могут эволюционировать путем случайного приобретения мутаций, которые делают их резистентными, но случайность этого процесса делает его трудно предсказуемым и предотвратимым. Однако исследователи обнаружили, что при инфекциях большинства пациентов резистентность не приобреталась путем случайных мутаций. Вместо этого устойчивость возникала в результате повторного заражения существующими резистентными бактериями из собственного микробиома пациента. Исследователи обратили эти выводы в преимущество: они предложили подбирать антибиотик не только в зависимости от восприимчивости бактерий, вызывающих текущую инфекцию пациента, но и в зависимости от бактерий в его микробиоме, которые могут их заменить.

   "Мы обнаружили, что чувствительность к антибиотикам при прошлых инфекциях пациента можно использовать для прогнозирования риска возвращения резистентной инфекции после лечения антибиотиками", - объясняет Кишони. "Использование этих данных, а также демографических характеристик пациента, таких как возраст и пол, позволило нам разработать алгоритм".

Mathew Stracy et al. Минимизация вызванного лечением возникновения резистентности к антибиотикам при бактериальных инфекциях (аннотация).

   Лечение бактериальных инфекций в настоящее время сосредоточено на выборе антибиотика, соответствующего восприимчивости возбудителя, при этом меньше внимания уделяется риску того, что даже подобранное по восприимчивости лечение может оказаться неудачным в результате возникновения резистентности в ответ на лечение. Объединив полногеномное секвенирование 1113 бактериальных изолятов до и после лечения с анализом с помощью машинного обучения 140 349 инфекций мочевыводящих путей и 7365 раневых инфекций, мы обнаружили, что возникновение резистентности, вызванное лечением, можно предсказать и свести к минимуму на уровне отдельного пациента.

   Возникновение резистентности было обычным явлением, которое было вызвано не эволюцией резистентности de novo, а быстрым реинфицированием другим штаммом, резистентным к назначенному антибиотику. Поскольку большинство инфекций заносятся из собственной микробиоты пациента, эти рецидивы, вызывающие резистентность, могут быть предсказаны на основе истории инфекций пациента в прошлом и сведены к минимуму с помощью персонализированных рекомендаций по антибиотикам на основе машинного обучения, что позволяет снизить появление и распространение резистентных патогенов.

Источник:

ScienceDaily, 26 February 2022

Комментариев: 0
Вам также может быть интересно
Узнайте о новостях и событиях микробиологии
Первыми получайте новости и информацию о событиях
up