Nová diagnostická metoda používá strojové učení na pokročilá genomická data k detekci sepse

Nová diagnostická metoda používá strojové učení na pokročilá genomická data k detekci sepse

Sepse, přehnaná reakce imunitního systému v reakci na infekci, způsobuje každoročně odhadem 20 % úmrtí na celém světě a 20 až 50 % úmrtí v nemocnicích ve Spojených státech. Navzdory své prevalenci a závažnosti je však onemocnění obtížné diagnostikovat a účinně léčit.

Nemoc může způsobit snížený průtok krve do životně důležitých orgánů, zánět v celém těle a abnormální srážení krve. Proto, pokud není rychle rozpoznána a léčena, může sepse vést k šoku, selhání orgánů a smrti. Může však být obtížné určit, který patogen způsobuje sepsi nebo zda je infekce v krevním řečišti nebo jinde v těle. A pro mnoho pacientů s příznaky podobnými sepsi může být obtížné určit, zda vůbec mají infekci.

Nyní výzkumníci z Chan Zuckerberg Biohub (CZ Biohub), Chan Zuckerberg Initiative (CZI) a UC San Francisco (UCSF) vyvinuli novou diagnostickou metodu, která využívá strojové učení k identifikaci pokročilých genomických dat jak od mikrobů, tak hostitelů a předpovídá případy sepse. Jak bylo uvedeno v Nature Microbiology z 20. října 2022, přístup je překvapivě přesný a má potenciál daleko překročit současné diagnostické možnosti.

Sepse je jedním z 10 nejčastějších zdravotních problémů, kterým lidstvo čelí. Jednou z největších výzev u sepse je diagnostika. Stávající diagnostické testy nejsou schopny zachytit oboustrannou povahu onemocnění – samotnou infekci a imunitní odpověď hostitele na infekci.“

Chaz Langelier, MD, Ph.D., hlavní autor, docent medicíny, UCSF Division of Infectious Diseases a vyšetřovatel CZ Biohub

Současná diagnostika sepse se zaměřuje na detekci bakterií jejich pěstováním v kultuře, což je proces, který je podle výzkumníků za novou metodou „nezbytný pro vhodnou antibiotickou terapii, která je kritická pro přežití sepse“. Kultivace těchto patogenů je však časově náročná a ne vždy správně identifikuje bakterii způsobující infekci. Podobně u virů může testování PCR zjistit, že viry infikují pacienta, ale ne vždy identifikují konkrétní virus, který způsobuje sepsi.

"To vede k tomu, že lékaři nejsou schopni identifikovat příčinu sepse v odhadovaných 30 až 50% případů," řekl Langelier. "To také vede k nesouladu mezi léčbou antibiotiky a kauzálním patogenem."

Pokud neexistuje definitivní diagnóza, lékaři často předepisují koktejl antibiotik, aby infekci zastavili, ale nadměrné užívání antibiotik vedlo ke zvýšení odolnosti vůči antibiotikům po celém světě. „Jako lékaři si nechceme nechat ujít případ infekce,“ řekla Carolyn Calfee, MD, MAS, profesorka medicíny a anesteziologie na UCSF a spoluautorka nové studie. "Ale pokud bychom měli test, který by nám mohl pomoci přesně určit, kdo nemá infekci, pak by nám to mohlo pomoci omezit používání antibiotik v těchto případech, což by bylo opravdu dobré pro nás všechny."

Odstranění nejednoznačnosti

Výzkumníci analyzovali vzorky plné krve a plazmy od více než 350 kriticky nemocných pacientů přijatých do UCSF Medical Center nebo Zuckerberg San Francisco General Hospital v letech 2010 až 2018.

Ale místo spoléhání se na kultury při identifikaci patogenů v těchto vzorcích, tým vedený vědci z CZ Biohub Norma Neff, Ph.D. a Angela Pisco, Ph.D., místo toho použil metagenomické sekvenování nové generace (mNGS). Tato metoda identifikuje všechny nukleové kyseliny nebo genetická data přítomná ve vzorku a poté tato data porovnává s referenčními genomy, aby se identifikovaly přítomné mikrobiální organismy. Tato technika umožňuje vědcům identifikovat genetický materiál ze zcela odlišných říší organismů – ať už bakterií, virů nebo hub – které jsou přítomny ve stejném vzorku.

Samotná detekce a identifikace přítomnosti patogenu však pro přesnou diagnózu sepse nestačí, takže výzkumníci z Biohubu vytvořili také transkripční profil – který kvantifikuje genovou expresi – k zachycení reakce pacienta na infekci.

Elektronická kniha Genetika a genomika

Kompilace top rozhovorů, článků a novinek za poslední rok. Stáhněte si kopii ještě dnes

Dále použili strojové učení na mNGS a transkripční data, aby rozlišili mezi sepsí a jinými kritickými nemocemi, aby potvrdili diagnózu. Katrina Kalantar, Ph.D., senior bioinformatik v CZI a spoluprvní autor studie, vytvořila integrovaný model hostitel-mikrob trénovaný s použitím dat od pacientů s diagnostikovanou sepsí nebo neinfekčními systémovými zánětlivými onemocněními. což umožnilo diagnostiku sepse s velmi vysokou přesností.

„Model jsme vyvinuli tak, že jsme se podívali na řadu metagenomických dat spolu s výsledky tradičního klinického testování,“ vysvětlil Kalantar. Nejprve výzkumníci identifikovali změny v genové expresi mezi pacienty s potvrzenou sepsí a neinfekčními systémovými zánětlivými stavy, které se zdají být klinicky podobné, a poté použili strojové učení k identifikaci genů, které by mohly tyto změny nejlépe předvídat.

Vědci zjistili, že když tradiční bakteriální kultura identifikovala patogen způsobující sepsi, bylo obvykle v odpovídajícím vzorku plazmy analyzovaném pomocí mNGS množství genetického materiálu z tohoto patogenu. S ohledem na to Kalantar naprogramoval model tak, aby identifikoval organismy, které jsou přítomny v neúměrně vysokém množství ve srovnání s jinými mikroby ve vzorku, a poté je porovnal s referenčním indexem známých mikrobů způsobujících sepsi.

"Kromě toho jsme také zaznamenali všechny detekované viry, i když byly na nižších úrovních, protože tam neměly být," vysvětlil Kalantar. "S tímto relativně jednoduchým souborem pravidel jsme byli schopni udělat docela dobře."

„Téměř dokonalý“ výkon

Vědci zjistili, že metoda mNGS a její odpovídající model fungovaly lépe, než se očekávalo: byli schopni identifikovat 99 % potvrzených případů bakteriální sepse, 92 % potvrzených případů virové sepse a předpovědět sepsi u 74 % případů s klinickým podezřením, které ještě nebylo definitivně diagnostikováno.

"Očekávali jsme dobrý výkon nebo dokonce vynikající výkon, ale tohle bylo téměř dokonalé," řekla Lucile Neyton, Ph.D., postdoktorandka v laboratoři Calfee a spoluprvní autorka studie. "Použitím tohoto přístupu získáme docela dobrou představu o tom, co způsobuje onemocnění, a víme s relativně vysokou mírou jistoty, zda má pacient sepsi nebo ne."

Tým byl také nadšený zjištěním, že by mohl použít tuto kombinovanou reakci hostitele a metodu detekce mikrobů k diagnostice sepse pomocí vzorků plazmy, které jsou běžně odebírány od většiny pacientů jako součást standardní klinické péče. "Skutečnost, že můžete skutečně identifikovat pacienty se sepsí pomocí tohoto široce používaného, ​​snadno sbíratelného typu vzorku, má velké praktické důsledky," řekl Langelier.

Nápad na práci vzešel z předchozího výzkumu Langelier, Kalantar, Calfee, výzkumníci z UCSF a prezident CZ Biohub Joe DeRisi, Ph.D., a jejich kolegové, ve kterém použili mNGS k efektivní diagnostice infekcí dolních cest dýchacích u kriticky nemocných pacientů. Protože metoda fungovala tak dobře, „chtěli jsme zjistit, zda by stejný přístup mohl fungovat v kontextu sepse,“ řekl Kalantar.

Širší důsledky

Tým doufá, že na této úspěšné diagnostické technice naváže vývojem modelu, který také dokáže předpovědět antibiotickou rezistenci patogenů objevených pomocí této metody. "Měli jsme s tím určitý úspěch u infekcí dýchacích cest, ale nikdo nenašel dobrý přístup k sepsi," řekl Langelier.

Kromě toho vědci doufají, že budou nakonec schopni předvídat výsledky pacientů se sepsí, „jako je úmrtnost nebo délka hospitalizace, což by poskytlo důležité informace, které by lékařům umožnily lépe se starat o své pacienty a zaměřit zdroje na pacienty, kteří je nejvíce potřebují,“ řekl Langelier.

"Existuje velký potenciál pro nové sekvenační přístupy, jako je tento, které nám pomohou přesněji identifikovat příčiny pacientova kritického onemocnění," dodal Calfee. "Pokud to dokážeme, bude to první krok k precizní medicíně a pochopení toho, co se děje na úrovni jednotlivých pacientů."

Zdroj:

Biohub Chan Zuckerberg

Odkaz:

Kalantar, KL, a kol. (2022) Integrovaná metagenomika hostitelské mikrobiální plazmy pro diagnostiku sepse v prospektivní kohortě kriticky nemocných dospělých. Přírodní mikrobiologie. doi.org/10.1038/s41564-022-01237-2.

.