Резистентность к антибиотикам - необычайно многомасштабное явление.
Малые молекулы антибиотиков связывают участки, измеряемые в наномасштабе, и все же эти молекулы, патогены, против которых они направлены, и их гены резистентности распространяются в планетарном масштабе. В результате понять глобальные изменения в антибиотикорезистентности и ее экономическое бремя особенно сложно. Правительства пытались сделать это, прогнозируя будущий рост резистентности, заболеваемости и смертности, но, возможно, из-за низкой достоверности данных об использовании антибиотиков и резистентности, эти долгосрочные прогнозы подвергались критике за то, что они основывались на узком диапазоне клинических состояний.
То, как использование антибиотиков опосредует резистентность, является ключевым моментом. Само собой разумеется, что сокращение потребления должно снизить резистентность, но установить это бывает удивительно трудно. Некоторые страны успешно рационализировали использование антибиотиков в сельском хозяйстве, но при изучении использования в медицине одной из проблем могут быть временные рамки: теория предсказывает, что резистентность растет быстрее, чем снижается после отмены антибиотиков, что помогает объяснить, почему так трудно разработать успешную теорию управления антибиотиками. Отмена антибиотика может привести, а может и не привести к заметному снижению резистентности, поэтому совокупность доказательств того, как изменение практики рационального использования антибиотиков изменяет резистентность, была названа неубедительной.
Более позитивным является тот факт, что резистентность снизилась после изменений в применении антибиотиков в зависимости от патогена, наблюдения в масштабах города также показали снижение резистентности, как и вмешательства в масштабах больницы, такие как мытье рук с использованием спиртовых растворов или изоляция пациентов, переносящих инфекции с множественной лекарственной резистентностью. На микробном уровне усиленные гены резистентности могут быстро исчезать из микробных геномов после отмены препаратов , хотя резистентные виды не обязательно полностью исчезают из микробных сообществ после лечения.
В клинике длительно выделяемые изоляты патогенов от отдельных пациентов могут демонстрировать изменчивые модели резистентности, например, 500-кратные недельные изменения чувствительности к антибиотикам, которые включают изменения резистентности к антибиотикам, не использовавшимся для лечения. Однако такая изменчивость может отражать проблему выборки в условиях in vivo, когда анализируются отдельные клоны, которые не являются репрезентативными для более широкой популяции патогенов.
Учитывая все эти сложности, вопрос о том, сможем ли мы систематически смягчать или даже обращать вспять резистентность, остается открытым. Для оценки изменений в резистентности и, как мы надеемся, ее снижения, необходимы высокоточные пространственно-временные данные о status quo, и база данных минимальных ингибирующих концентраций (МИК) компании Pfizer, Antimicrobial Testing Leadership and Surveillance (ATLAS), опубликованная Micron (https://micron-group.com), Wellcome Trust и Open Data Institute, стремится к этому. Насколько нам известно, ATLAS - единственная база данных MИК с открытым доступом, где данные пациентов хранятся вместе с клиническими метаданными, что делает ее потенциально важным ресурсом для оценки закономерностей в динамике резистентности.
ATLAS, в принципе, может быть использован для прогнозирования пространственно-временных изменений резистентности потенциально для сотен пар патоген-антибиотик (ПА), поэтому в данной статье мы сравниваем его данные МИК как с фракциями резистентности, так и с гистограммами МИК, хранящимися в других базах данных, а затем суммируем прогнозы, сделанные ATLAS для МИК важных клинических патогенов. ATLAS содержит 6,5 млн МИК для 3919 пар ПА, выделенных от 633 тыс. пациентов в 70 странах в период с 2004 по 2017 год.
В данной работе мы показываем, что большинство пар образуют последовательные, хотя и не стационарные временные ряды, в которых частота резистентности выше, чем в других базах данных, хотя мы не выявили систематического смещения в сторону включения более резистентных штаммов в ATLAS. Мы искали аномалии данных, при которых МИК могли смещаться по методологическим, а не клиническим или микробиологическим причинам, и обнаружили артефакты в более чем 100 парах патоген-антибиотик. Используя информационно-оптимальную методологию кластеризации для классификации патогенов на низко- и высокочувствительные к антибиотикам, мы использовали ATLAS для прогнозирования изменений в резистентности. Динамика последней демонстрирует сложные закономерности с увеличением МИК и некоторым снижением, при этом МИК субпопуляций могут расходиться. Мы также выявили патогены, подверженные риску развития клинической резистентности в ближайшем будущем.
