Nova dijagnostička metoda primjenjuje strojno učenje na napredne genomske podatke za otkrivanje sepse

Nova dijagnostička metoda primjenjuje strojno učenje na napredne genomske podatke za otkrivanje sepse

Sepsa, pretjerana reakcija imunološkog sustava kao odgovor na infekciju, uzrokuje procijenjenih 20% smrtnih slučajeva diljem svijeta i 20% do 50% bolničkih smrti u Sjedinjenim Državama svake godine. Međutim, unatoč prevalenciji i težini, bolest je teško dijagnosticirati i učinkovito liječiti.

Bolest može uzrokovati smanjeni dotok krvi u vitalne organe, upalu u cijelom tijelu i abnormalno zgrušavanje krvi. Stoga, ako se brzo ne prepozna i ne liječi, sepsa može dovesti do šoka, zatajenja organa i smrti. Međutim, može biti teško odrediti koji patogen uzrokuje sepsu ili je li infekcija u krvotoku ili negdje drugdje u tijelu. A za mnoge pacijente sa simptomima sličnim sepsi, može biti teško odrediti imaju li uopće infekciju.

Sada su istraživači na Chan Zuckerberg Biohub (CZ Biohub), Chan Zuckerberg Initiative (CZI) i UC San Francisco (UCSF) razvili novu dijagnostičku metodu koja primjenjuje strojno učenje za identifikaciju naprednih genomskih podataka od mikroba i domaćina i predviđanje slučajeva sepse. Kao što je objavljeno u časopisu Nature Microbiology 20. listopada 2022., pristup je iznenađujuće precizan i ima potencijal daleko nadmašiti trenutne dijagnostičke mogućnosti.

Sepsa je jedan od 10 najvećih zdravstvenih problema s kojima se čovječanstvo suočava. Jedan od najvećih izazova sa sepsom je dijagnoza. Postojeći dijagnostički testovi ne mogu uhvatiti dvosmjernu prirodu bolesti – samu infekciju i imunološki odgovor domaćina na infekciju.”

Chaz Langelier, MD, Ph.D., viši autor, izvanredni profesor medicine, Odjel za zarazne bolesti UCSF-a i istraživač CZ Biohub

Trenutna dijagnostika sepse usredotočena je na otkrivanje bakterija njihovim uzgojem u kulturi, što je proces koji je, prema istraživačima koji stoje iza nove metode, "bitan za odgovarajuću antibiotsku terapiju, koja je ključna za preživljavanje sepse". Međutim, uzgoj ovih patogena oduzima puno vremena i ne identificira uvijek ispravno bakteriju koja uzrokuje infekciju. Slično, za viruse, PCR testiranje može otkriti da virusi inficiraju pacijenta, ali ne identificira uvijek specifični virus koji uzrokuje sepsu.

"To dovodi do toga da liječnici ne mogu identificirati uzrok sepse u procijenjenih 30 do 50% slučajeva", rekao je Langelier. "To također dovodi do neusklađenosti između liječenja antibioticima i uzročnika bolesti."

U nedostatku konačne dijagnoze, liječnici često propisuju koktel antibiotika kako bi zaustavili infekciju, ali pretjerana uporaba antibiotika dovela je do povećane otpornosti na antibiotike u cijelom svijetu. "Kao liječnici, ne želimo propustiti slučaj infekcije", rekla je Carolyn Calfee, dr. med., MAS, profesorica medicine i anesteziologije na UCSF-u i koautorica nove studije. "Ali kad bismo imali test koji bi nam mogao pomoći da točno odredimo tko nema infekciju, onda bi nam to moglo pomoći da ograničimo upotrebu antibiotika u tim slučajevima, što bi bilo jako dobro za sve nas."

Otklanjanje dvosmislenosti

Istraživači su analizirali uzorke cijele krvi i plazme više od 350 kritično bolesnih pacijenata koji su primljeni u Medicinski centar UCSF ili Opću bolnicu Zuckerberg San Francisco između 2010. i 2018. godine.

Ali umjesto oslanjanja na kulture za identifikaciju patogena u ovim uzorcima, tim predvođen znanstvenicama CZ Biohub dr. Normom Neff i dr. sc. Angelom Pisco umjesto toga je upotrijebio metagenomsko sekvenciranje sljedeće generacije (mNGS). Ova metoda identificira sve nukleinske kiseline ili genetske podatke prisutne u uzorku i zatim uspoređuje te podatke s referentnim genomima kako bi se identificirali prisutni mikrobni organizmi. Ova tehnika omogućuje znanstvenicima da identificiraju genetski materijal iz potpuno različitih kraljevstava organizama – bilo da se radi o bakterijama, virusima ili gljivicama – koji su prisutni u istom uzorku.

Međutim, samo otkrivanje i identificiranje prisutnosti patogena nije dovoljno za točnu dijagnozu sepse, pa su istraživači Biohuba izradili i transkripcijski profil – koji kvantificira ekspresiju gena – kako bi uhvatio odgovor pacijenta na infekciju.

E-knjiga o genetici i genomici

Kompilacija najboljih intervjua, članaka i vijesti iz prošle godine. Preuzmite kopiju danas

Zatim su primijenili strojno učenje na mNGS i podatke o transkripciji kako bi razlikovali sepsu od drugih kritičnih bolesti i potvrdili dijagnozu. Katrina Kalantar, dr. sc., viša bioinformatičarka na CZI-ju i suautorica studije, stvorila je integrirani model domaćin-mikrob obučen korištenjem podataka pacijenata kojima je dijagnosticirana ili sepsa ili neinfektivne sistemske upalne bolesti. što je omogućilo dijagnosticiranje sepse s vrlo velikom točnošću.

"Razvili smo model promatrajući niz metagenomskih podataka uz rezultate tradicionalnog kliničkog testiranja", objasnio je Kalantar. Prvo su istraživači identificirali promjene u ekspresiji gena između pacijenata s potvrđenom sepsom i neinfektivnim sistemskim upalnim stanjima koja izgledaju klinički slično, a zatim su upotrijebili strojno učenje kako bi identificirali gene koji bi mogli najbolje predvidjeti te promjene.

Istraživači su otkrili da kada tradicionalna bakterijska kultura identificira patogena koji uzrokuje sepsu, obično postoji obilje genetskog materijala tog patogena u odgovarajućem uzorku plazme analiziranom mNGS-om. Imajući to na umu, Kalantar je programirao model za identifikaciju organizama koji su prisutni u neproporcionalno visokom obilju u usporedbi s drugim mikrobima u uzorku i zatim ih usporedio s referentnim indeksom poznatih mikroba koji uzrokuju sepsu.

“Osim toga, zabilježili smo i sve otkrivene viruse, čak i ako su bili na nižim razinama, jer tamo nisu trebali biti”, objasnio je Kalantar. "S ovim relativno jednostavnim skupom pravila uspjeli smo prilično dobro."

“Gotovo savršena” izvedba

Istraživači su otkrili da su mNGS metoda i njezin odgovarajući model funkcionirali bolje od očekivanog: uspjeli su identificirati 99% potvrđenih slučajeva bakterijske sepse, 92% potvrđenih slučajeva virusne sepse i predvidjeti sepsu u 74% slučajeva s kliničkom sumnjom koja još nije bila definitivno dijagnosticirana.

"Očekivali smo dobru izvedbu ili čak izvrsnu izvedbu, ali ovo je bilo gotovo savršeno", rekla je Lucile Neyton, dr. sc., postdoktorandica u laboratoriju Calfee i suautorica studije. "Koristeći ovaj pristup, dobivamo prilično dobru ideju o tome što uzrokuje bolest i znamo s relativno visokim stupnjem sigurnosti ima li pacijent sepsu ili ne."

Tim je također bio uzbuđen kada je otkrio da mogu koristiti ovaj kombinirani odgovor domaćina i metodu detekcije mikroba za dijagnosticiranje sepse korištenjem uzoraka plazme koji se rutinski prikupljaju od većine pacijenata kao dio standardne kliničke skrbi. "Činjenica da zapravo možete identificirati pacijente sa sepsom koristeći ovu široko korištenu vrstu uzorka koju je lako prikupiti ima velike praktične implikacije", rekao je Langelier.

Ideja za rad proizašla je iz prethodnih istraživanja Langeliera, Kalantara, Calfeeja, istraživača s UCSF-a i predsjednika CZ Biohub dr. Joea DeRisija i njihovih kolega, u kojem su koristili mNGS za učinkovito dijagnosticiranje infekcija donjeg dišnog trakta kod kritično bolesnih pacijenata. Budući da je metoda tako dobro funkcionirala, "htjeli smo vidjeti može li isti pristup funkcionirati u kontekstu sepse", rekao je Kalantar.

Šire implikacije

Tim se nada nadograditi ovu uspješnu dijagnostičku tehniku ​​razvijanjem modela koji također može predvidjeti otpornost patogena na antibiotike otkrivenih ovom metodom. "Postigli smo određeni uspjeh s ovim kod respiratornih infekcija, ali nitko nije pronašao dobar pristup za sepsu", rekao je Langelier.

Osim toga, istraživači se nadaju da će na kraju moći predvidjeti ishode pacijenata sa sepsom, "kao što je smrtnost ili duljina boravka u bolnici, što bi pružilo važne informacije koje bi liječnicima omogućile bolju skrb za svoje pacijente i usmjeravanje resursa na pacijente kojima su najpotrebniji", rekao je Langelier.

"Postoji veliki potencijal za nove pristupe sekvencioniranju poput ovog koji bi nam pomogli da točnije identificiramo uzroke kritične bolesti pacijenta", dodao je Calfee. "Ako to uspijemo, bit će to prvi korak prema preciznoj medicini i razumijevanju onoga što se događa na razini pojedinačnog pacijenta."

Izvor:

Chan Zuckerberg Biohub

Referenca:

Kalantar, KL, et al. (2022) Integrirana metagenomika mikrobne plazme domaćina za dijagnozu sepse u prospektivnoj kohorti kritično bolesnih odraslih osoba. Prirodna mikrobiologija. doi.org/10.1038/s41564-022-01237-2.

.