Novo método de diagnóstico aplica aprendizado de máquina a dados genômicos avançados para detectar sepse

Novo método de diagnóstico aplica aprendizado de máquina a dados genômicos avançados para detectar sepse

A sepse, a reação exagerada do sistema imunológico em resposta à infecção, causa cerca de 20% das mortes em todo o mundo e 20% a 50% das mortes hospitalares nos Estados Unidos a cada ano. No entanto, apesar da sua prevalência e gravidade, a doença é difícil de diagnosticar e tratar eficazmente.

A doença pode causar redução do fluxo sanguíneo para órgãos vitais, inflamação em todo o corpo e coagulação sanguínea anormal. Portanto, se não for reconhecida e tratada rapidamente, a sepse pode causar choque, falência de órgãos e morte. No entanto, pode ser difícil determinar qual patógeno está causando a sepse ou se a infecção está na corrente sanguínea ou em outra parte do corpo. E para muitos pacientes com sintomas semelhantes aos da sepse, pode ser difícil determinar se eles têm uma infecção.

Agora, pesquisadores do Chan Zuckerberg Biohub (CZ Biohub), da Chan Zuckerberg Initiative (CZI) e da UC San Francisco (UCSF) desenvolveram um novo método de diagnóstico que aplica aprendizado de máquina para identificar dados genômicos avançados de micróbios e hospedeiros e prever casos de sepse. Conforme relatado na Nature Microbiology em 20 de outubro de 2022, a abordagem é surpreendentemente precisa e tem potencial para exceder em muito as capacidades de diagnóstico atuais.

A sepse é um dos 10 principais problemas de saúde que a humanidade enfrenta. Um dos maiores desafios da sepse é o diagnóstico. Os testes de diagnóstico existentes são incapazes de captar a natureza bilateral da doença – a infecção em si e a resposta imunitária do hospedeiro à infecção.”

Chaz Langelier, MD, Ph.D., autor sênior, professor associado de medicina, Divisão de Doenças Infecciosas da UCSF e investigador do CZ Biohub

O diagnóstico atual da sepse concentra-se na detecção de bactérias por meio do cultivo delas em cultura, um processo que, segundo os pesquisadores por trás do novo método, é “essencial para a terapia antibiótica adequada, que é crítica para a sobrevivência da sepse”. No entanto, a cultura destes patógenos é demorada e nem sempre identifica corretamente a bactéria causadora da infecção. Da mesma forma, para os vírus, o teste PCR pode detectar que os vírus estão infectando um paciente, mas nem sempre identifica o vírus específico que causa a sepse.

“Isso faz com que os médicos não consigam identificar a causa da sepse em cerca de 30 a 50% dos casos”, disse Langelier. “Isso também leva a uma incompatibilidade entre o tratamento antibiótico e o patógeno causador”.

Na ausência de um diagnóstico definitivo, os médicos prescrevem frequentemente um cocktail de antibióticos para parar a infecção, mas o uso excessivo de antibióticos levou ao aumento da resistência aos antibióticos em todo o mundo. “Como médicos, não queremos perder um caso de infecção”, disse Carolyn Calfee, MD, MAS, professora de medicina e anestesiologia na UCSF e coautora do novo estudo. “Mas se tivéssemos um teste que pudesse nos ajudar a determinar exatamente quem não tem uma infecção, então isso poderia nos ajudar a limitar o uso de antibióticos nesses casos, o que seria muito bom para todos nós”.

Eliminação da ambiguidade

Os pesquisadores analisaram amostras de sangue total e plasma de mais de 350 pacientes gravemente enfermos internados no UCSF Medical Center ou no Zuckerberg San Francisco General Hospital entre 2010 e 2018.

Mas em vez de confiar em culturas para identificar patógenos nessas amostras, uma equipe liderada pelas cientistas Norma Neff, Ph.D., da CZ Biohub, e Angela Pisco, Ph.D., usou o sequenciamento metagenômico de próxima geração (mNGS). Este método identifica todos os ácidos nucleicos ou dados genéticos presentes numa amostra e depois compara estes dados com genomas de referência para identificar os organismos microbianos presentes. Esta técnica permite aos cientistas identificar material genético de reinos de organismos completamente diferentes – sejam bactérias, vírus ou fungos – que estão presentes na mesma amostra.

No entanto, apenas detectar e identificar a presença de um patógeno não é suficiente para um diagnóstico preciso de sepse, por isso os pesquisadores do Biohub também criaram um perfil transcricional – que quantifica a expressão genética – para capturar a resposta do paciente à infecção.

E-book de Genética e Genômica

Compilação das principais entrevistas, artigos e notícias do ano passado. Baixe uma cópia hoje

Em seguida, eles aplicaram aprendizado de máquina ao mNGS e aos dados de transcrição para diferenciar entre sepse e outras doenças críticas para confirmar o diagnóstico. Katrina Kalantar, Ph.D., bioinformática sênior do CZI e coautora do estudo, criou um modelo integrado de micróbio hospedeiro treinado usando dados de pacientes com diagnóstico de sepse ou doenças inflamatórias sistêmicas não infecciosas. o que permitiu o diagnóstico de sepse com altíssima precisão.

“Desenvolvemos o modelo analisando uma série de dados metagenômicos juntamente com resultados de testes clínicos tradicionais”, explicou Kalantar. Primeiro, os investigadores identificaram alterações na expressão genética entre pacientes com sépsis confirmada e condições inflamatórias sistémicas não infecciosas que parecem clinicamente semelhantes, e depois utilizaram a aprendizagem automática para identificar os genes que poderiam melhor prever estas alterações.

Os pesquisadores descobriram que quando a cultura bacteriana tradicional identificava um patógeno causador de sepse, geralmente havia uma abundância de material genético desse patógeno na amostra de plasma correspondente analisada por mNGS. Com isto em mente, Kalantar programou o modelo para identificar organismos que estão presentes em abundância desproporcionalmente elevada em comparação com outros micróbios na amostra e depois compará-los com um índice de referência de micróbios conhecidos causadores de sepse.

“Além disso, também anotamos todos os vírus detectados, mesmo que estivessem em níveis mais baixos, porque não deveriam estar lá”, explicou Kalantar. “Com este conjunto relativamente simples de regras, conseguimos nos sair muito bem.”

Desempenho “quase perfeito”

Os pesquisadores descobriram que o método mNGS e seu modelo correspondente funcionaram melhor do que o esperado: foram capazes de identificar 99% dos casos confirmados de sepse bacteriana, 92% dos casos confirmados de sepse viral e prever sepse em 74% dos casos com suspeita clínica que ainda não haviam sido definitivamente diagnosticados.

“Esperávamos um bom desempenho ou mesmo um desempenho excelente, mas foi quase perfeito”, disse Lucile Neyton, Ph.D., pesquisadora de pós-doutorado no laboratório Calfee e coautora do estudo. “Ao usar essa abordagem, temos uma boa ideia do que causa a doença e sabemos com um grau de certeza relativamente alto se um paciente tem sepse ou não.”

A equipe também ficou entusiasmada ao descobrir que poderia usar esse método combinado de resposta do hospedeiro e detecção microbiana para diagnosticar sepse usando amostras de plasma coletadas rotineiramente da maioria dos pacientes como parte do tratamento clínico padrão. “O fato de que você pode realmente identificar pacientes com sepse usando esse tipo de amostra amplamente utilizado e fácil de coletar tem grandes implicações práticas”, disse Langelier.

A ideia do trabalho surgiu de pesquisas anteriores de Langelier, Kalantar, Calfee, pesquisadores da UCSF e do presidente da CZ Biohub, Joe DeRisi, Ph.D., e seus colegas, nas quais eles usaram mNGS para diagnosticar com eficácia infecções do trato respiratório inferior em pacientes gravemente enfermos. Como o método funcionou tão bem, “queríamos ver se a mesma abordagem poderia funcionar no contexto da sepse”, disse Kalantar.

Implicações mais amplas

A equipe espera desenvolver esta técnica de diagnóstico bem-sucedida, desenvolvendo um modelo que também possa prever a resistência aos antibióticos de patógenos descobertos usando este método. “Tivemos algum sucesso com isso em infecções respiratórias, mas ninguém encontrou uma boa abordagem para a sepse”, disse Langelier.

Além disso, os pesquisadores esperam poder eventualmente prever os resultados dos pacientes com sepse, “como mortalidade ou tempo de internação hospitalar, o que forneceria informações importantes que permitiriam aos médicos cuidar melhor de seus pacientes e direcionar recursos para os pacientes que mais precisam deles”, disse Langelier.

“Há um grande potencial para novas abordagens de sequenciamento como esta para nos ajudar a identificar com mais precisão as causas da doença crítica de um paciente”, acrescentou Calfee. “Se pudermos fazer isso, será o primeiro passo em direção à medicina de precisão e à compreensão do que está acontecendo no nível do paciente individual.”

Fonte:

Chan Zuckerberg Biohub

Referência:

Kalantar, KL, et al. (2022) Metagenômica integrada do plasma microbiano do hospedeiro para diagnóstico de sepse em uma coorte prospectiva de adultos gravemente enfermos. Microbiologia natural. doi.org/10.1038/s41564-022-01237-2.

.