Uusi diagnostiikkamenetelmä soveltaa koneoppimista kehittyneisiin genomitietoihin sepsiksen havaitsemiseksi

Uusi diagnostiikkamenetelmä soveltaa koneoppimista kehittyneisiin genomitietoihin sepsiksen havaitsemiseksi

Sepsis, immuunijärjestelmän ylireagointi vasteena infektiolle, aiheuttaa arviolta 20 % kuolemista maailmanlaajuisesti ja 20 % - 50 % sairaalakuolemista Yhdysvalloissa joka vuosi. Yleisyydestään ja vakavuudestaan ​​huolimatta sairautta on kuitenkin vaikea diagnosoida ja hoitaa tehokkaasti.

Sairaus voi aiheuttaa heikentynyttä verenkiertoa tärkeisiin elimiin, tulehdusta koko kehossa ja epänormaalia veren hyytymistä. Siksi, jos sepsis ei tunnisteta ja hoideta nopeasti, se voi johtaa sokkiin, elinten vajaatoimintaan ja kuolemaan. Voi kuitenkin olla vaikeaa määrittää, mikä taudinaiheuttaja aiheuttaa sepsiksen tai onko infektio verenkierrossa tai muualla kehossa. Ja monille potilaille, joilla on sepsiksen kaltaisia ​​oireita, voi olla vaikeaa määrittää, onko heillä edes infektio.

Nyt Chan Zuckerberg Biohubin (CZ Biohub), Chan Zuckerberg Initiativen (CZI) ja UC San Franciscon (UCSF) tutkijat ovat kehittäneet uuden diagnostisen menetelmän, joka soveltaa koneoppimista tunnistamaan kehittyneitä genomitietoja sekä mikrobeista että isännistä ja ennustamaan sepsistapauksia. Kuten Nature Microbiology 20. lokakuuta 2022 raportoi, lähestymistapa on yllättävän tarkka ja saattaa ylittää nykyiset diagnostiset mahdollisuudet.

Sepsis on yksi ihmiskunnan 10 suurimmasta terveysongelmasta. Yksi sepsiksen suurimmista haasteista on diagnoosi. Nykyiset diagnostiset testit eivät pysty vangitsemaan taudin kaksipuolista luonnetta – itse infektiota ja isännän immuunivastetta infektiota vastaan.

Chaz Langelier, MD, Ph.D., vanhempi kirjailija, lääketieteen apulaisprofessori, UCSF:n infektiotautiosasto ja CZ Biohub -tutkija

Nykyinen sepsisdiagnostiikka keskittyy bakteerien havaitsemiseen kasvattamalla niitä viljelmässä, mikä uuden menetelmän taustalla olevien tutkijoiden mukaan on "olennainen asianmukaiselle antibioottihoidolle, joka on kriittistä sepsiksen selviytymiselle". Näiden taudinaiheuttajien viljely on kuitenkin aikaa vievää, eikä tartunnan aiheuttavaa bakteeria aina tunnisteta oikein. Samoin virusten osalta PCR-testaus voi havaita, että virukset tartuttavat potilasta, mutta eivät aina tunnista tiettyä virusta, joka aiheuttaa sepsiksen.

"Tämä johtaa siihen, että lääkärit eivät pysty tunnistamaan sepsiksen syytä arviolta 30-50 prosentissa tapauksista", Langelier sanoi. "Tämä johtaa myös yhteensopimattomuuteen antibioottihoidon ja aiheuttavan patogeenin välillä."

Lopullisen diagnoosin puuttuessa lääkärit määräävät usein antibiootteja estämään infektion, mutta antibioottien liikakäyttö on johtanut lisääntyneeseen antibioottiresistenssiin maailmanlaajuisesti. "Lääkäreinä emme halua missata infektiotapausta", sanoi Carolyn Calfee, MD, MAS, lääketieteen ja anestesiologian professori UCSF:stä ja uuden tutkimuksen toinen kirjoittaja. "Mutta jos meillä olisi testi, joka voisi auttaa meitä määrittämään tarkalleen, kenellä ei ole infektiota, se voisi auttaa meitä rajoittamaan antibioottien käyttöä näissä tapauksissa, mikä olisi todella hyvä meille kaikille."

Epäselvyyden poistaminen

Tutkijat analysoivat kokoveri- ja plasmanäytteitä yli 350 kriittisesti sairaalta potilaalta, jotka otettiin UCSF Medical Centeriin tai Zuckerberg San Franciscon yleissairaalaan vuosina 2010–2018.

Mutta sen sijaan, että luottaisivat viljelmiin näiden näytteiden patogeenien tunnistamisessa, CZ Biohubin tutkijoiden Norma Neff, Ph.D. ja Angela Pisco, Ph.D. johtama ryhmä käytti sen sijaan metagenomista seuraavan sukupolven sekvensointia (mNGS). Tämä menetelmä tunnistaa kaikki näytteessä olevat nukleiinihapot tai geneettiset tiedot ja vertaa sitten näitä tietoja vertailugenomeihin läsnä olevien mikrobiorganismien tunnistamiseksi. Tämän tekniikan avulla tutkijat voivat tunnistaa geneettistä materiaalia täysin erilaisista organismien valtakunnista – olivatpa ne bakteereita, viruksia tai sieniä – jotka ovat läsnä samassa näytteessä.

Pelkästään taudinaiheuttajan havaitseminen ja tunnistaminen ei kuitenkaan riitä sepsiksen tarkkaan diagnoosiin, joten Biohubin tutkijat loivat myös transkriptioprofiilin - joka mittaa geenin ilmentymisen - potilaan vasteen infektioon tallentamiseksi.

Genetiikka ja genomiikka e-kirja

Kokoelma viime vuoden huippuhaastatteluista, artikkeleista ja uutisista. Lataa kopio tänään

Seuraavaksi he käyttivät koneoppimista mNGS- ja transkriptiotietoihin erottaakseen sepsiksen ja muut kriittiset sairaudet diagnoosin vahvistamiseksi. Katrina Kalantar, Ph.D., vanhempi bioinformaatikko CZI:stä ja tutkimuksen toinen kirjoittaja, loi integroidun isäntä-mikrobimallin, joka on koulutettu käyttämällä tietoja potilailta, joilla on diagnosoitu joko sepsis tai ei-tarttuva systeeminen tulehdussairaus. mikä mahdollisti sepsiksen diagnosoinnin erittäin suurella tarkkuudella.

"Kehitimme mallin tarkastelemalla erilaisia ​​metagenomisia tietoja perinteisten kliinisten testausten tulosten ohella", Kalantar selitti. Ensinnäkin tutkijat tunnistivat muutoksia geenien ilmentymisessä potilailla, joilla oli vahvistettu sepsis ja ei-tarttuvia systeemisiä tulehdustiloja, jotka näyttävät kliinisesti samanlaisilta, ja sitten käyttivät koneoppimista tunnistaakseen geenit, jotka voisivat parhaiten ennustaa nämä muutokset.

Tutkijat havaitsivat, että kun perinteinen bakteeriviljelmä tunnisti sepsiksen aiheuttavan patogeenin, vastaavassa mNGS:n analysoimassa plasmanäytteessä oli yleensä runsaasti kyseisen patogeenin geneettistä materiaalia. Tätä silmällä pitäen Kalantar ohjelmoi mallin tunnistamaan organismit, joita esiintyy suhteettoman paljon muihin näytteen mikrobeihin verrattuna, ja vertaamaan niitä sitten tunnettujen sepsistä aiheuttavien mikrobien vertailuindeksiin.

"Lisäksi havaitsimme myös kaikki havaitut virukset, vaikka ne olisivatkin alemmilla tasoilla, koska niiden ei pitänyt olla siellä", Kalantar selitti. "Näillä suhteellisen yksinkertaisilla säännöillä onnistuimme melko hyvin."

"Melkein täydellinen" suoritus

Tutkijat havaitsivat, että mNGS-menetelmä ja sitä vastaava malli toimivat odotettua paremmin: he pystyivät tunnistamaan 99 % vahvistetuista bakteerisepsistapauksista, 92 % vahvistetuista virussepsistapauksista ja ennustamaan sepsiksen 74 %:ssa kliinisistä epäilyistä, joita ei ollut vielä lopullisesti diagnosoitu.

"Odotimme hyvää tai jopa erinomaista suorituskykyä, mutta tämä oli melkein täydellinen", sanoi Lucile Neyton, Ph.D., Calfeen laboratorion tutkijatohtori ja tutkimuksen toinen kirjoittaja. "Käyttämällä tätä lähestymistapaa saamme melko hyvän käsityksen siitä, mikä aiheuttaa taudin, ja tiedämme suhteellisen suurella varmuudella, onko potilaalla sepsis vai ei."

Ryhmä oli myös innoissaan havaitessaan, että he voisivat käyttää tätä yhdistettyä isäntävasteen ja mikrobien havaitsemismenetelmää sepsiksen diagnosoimiseen käyttämällä plasmanäytteitä, jotka kerätään rutiininomaisesti useimmilta potilailta osana tavanomaista kliinistä hoitoa. "Sillä tosiasialla, että voit todella tunnistaa sepsispotilaat käyttämällä tätä laajalti käytettyä, helposti kerättävää näytetyyppiä, on suuria käytännön vaikutuksia", Langelier sanoi.

Idea työhön syntyi Langelierin, Kalantarin, Calfeen, UCSF:n tutkijoiden ja CZ Biohubin presidentin Ph.D.:n Joe DeRisin ja heidän kollegoidensa aiemmasta tutkimuksesta, jossa he käyttivät mNGS:ää alempien hengitysteiden infektioiden tehokkaaseen diagnosointiin kriittisesti sairailla potilailla. Koska menetelmä toimi niin hyvin, "haluimme nähdä, voisiko sama lähestymistapa toimia sepsiksen yhteydessä", Kalantar sanoi.

Laajemmat vaikutukset

Tiimi toivoo voivansa rakentaa tämän onnistuneen diagnostisen tekniikan pohjalle kehittämällä mallin, joka voi myös ennustaa tällä menetelmällä löydettyjen patogeenien antibioottiresistenssin. "Olemme onnistuneet tässä hengitystieinfektioissa, mutta kukaan ei ole löytänyt hyvää lähestymistapaa sepsikseen", Langelier sanoi.

Lisäksi tutkijat toivovat pystyvänsä lopulta ennustamaan sepsispotilaiden tuloksia, "kuten kuolleisuutta tai sairaalahoidon kestoa, mikä antaisi tärkeää tietoa, jonka avulla lääkärit voisivat paremmin hoitaa potilaitaan ja kohdentaa resursseja potilaille, jotka niitä eniten tarvitsevat", Langelier sanoi.

"Tällaisilla uusilla sekvensointimenetelmillä on suuri potentiaali, mikä auttaa meitä tunnistamaan tarkemmin potilaan kriittisen sairauden syyt", Calfee lisäsi. "Jos pystymme tekemään tämän, se on ensimmäinen askel kohti tarkkuuslääketiedettä ja sen ymmärtämistä, mitä yksittäisten potilaiden tasolla tapahtuu."

Lähde:

Chan Zuckerberg Biohub

Viite:

Kalantar, KL, et ai. (2022) Integroitu isäntämikrobiplasma metagenomiikka sepsiksen diagnosointiin mahdollisessa kriittisesti sairaiden aikuisten kohortissa. Luonnollinen mikrobiologia. doi.org/10.1038/s41564-022-01237-2.

.