Nová diagnostická metóda využíva strojové učenie na pokročilé genómové údaje na detekciu sepsy

Nová diagnostická metóda využíva strojové učenie na pokročilé genómové údaje na detekciu sepsy

Sepsa, nadmerná reakcia imunitného systému v reakcii na infekciu, spôsobuje každoročne odhadom 20 % úmrtí na celom svete a 20 % až 50 % úmrtí v nemocniciach v Spojených štátoch. Napriek svojej prevalencii a závažnosti je však ochorenie ťažké diagnostikovať a účinne liečiť.

Ochorenie môže spôsobiť znížený prietok krvi do životne dôležitých orgánov, zápal v celom tele a abnormálne zrážanie krvi. Preto, ak nie je rýchlo rozpoznaná a liečená, sepsa môže viesť k šoku, zlyhaniu orgánov a smrti. Môže však byť ťažké určiť, ktorý patogén spôsobuje sepsu alebo či je infekcia v krvnom obehu alebo inde v tele. A pre mnohých pacientov s príznakmi podobnými sepse môže byť ťažké určiť, či dokonca majú infekciu.

Teraz výskumníci z Chan Zuckerberg Biohub (CZ Biohub), Chan Zuckerberg Initiative (CZI) a UC San Francisco (UCSF) vyvinuli novú diagnostickú metódu, ktorá využíva strojové učenie na identifikáciu pokročilých genomických údajov od mikróbov aj hostiteľov a predpovedá prípady sepsy. Ako sa uvádza v Nature Microbiology z 20. októbra 2022, tento prístup je prekvapivo presný a má potenciál ďaleko prekročiť súčasné diagnostické možnosti.

Sepsa je jedným z 10 najčastejších zdravotných problémov, ktorým ľudstvo čelí. Jednou z najväčších výziev sepsy je diagnostika. Existujúce diagnostické testy nedokážu zachytiť obojstrannú povahu ochorenia – samotnú infekciu a imunitnú odpoveď hostiteľa na infekciu.“

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

Súčasná diagnostika sepsy sa zameriava na detekciu baktérií ich pestovaním v kultúre, čo je proces, ktorý je podľa vedcov za novou metódou „nevyhnutný pre vhodnú antibiotickú terapiu, ktorá je rozhodujúca pre prežitie sepsy“. Kultivácia týchto patogénov je však časovo náročná a nie vždy správne identifikuje baktériu spôsobujúcu infekciu. Podobne v prípade vírusov môže testovanie PCR zistiť, že vírusy infikujú pacienta, ale nie vždy identifikujú konkrétny vírus, ktorý spôsobuje sepsu.

"To vedie k tomu, že lekári nie sú schopní identifikovať príčinu sepsy v odhadovaných 30 až 50% prípadov," povedal Langelier. "To tiež vedie k nesúladu medzi liečbou antibiotikami a príčinným patogénom."

Ak neexistuje definitívna diagnóza, lekári často predpisujú koktail antibiotík na zastavenie infekcie, ale nadmerné používanie antibiotík viedlo k zvýšeniu rezistencie na antibiotiká na celom svete. „Ako lekári nechceme zmeškať prípad infekcie,“ povedala Carolyn Calfee, MD, MAS, profesorka medicíny a anestéziológie na UCSF a spoluautorka novej štúdie. "Ale ak by sme mali test, ktorý by nám mohol pomôcť presne určiť, kto nemá infekciu, potom by nám to mohlo pomôcť obmedziť používanie antibiotík v týchto prípadoch, čo by bolo naozaj dobré pre nás všetkých."

Eliminácia nejednoznačnosti

Výskumníci analyzovali vzorky plnej krvi a plazmy od viac ako 350 kriticky chorých pacientov prijatých do UCSF Medical Center alebo Zuckerberg San Francisco General Hospital v rokoch 2010 až 2018.

Ale namiesto spoliehania sa na kultúry pri identifikácii patogénov v týchto vzorkách tím vedený vedcami z CZ Biohub Norma Neff, Ph.D. a Angela Pisco, Ph.D., namiesto toho použil metagenomické sekvenovanie novej generácie (mNGS). Táto metóda identifikuje všetky nukleové kyseliny alebo genetické údaje prítomné vo vzorke a potom tieto údaje porovnáva s referenčnými genómami, aby sa identifikovali prítomné mikrobiálne organizmy. Táto technika umožňuje vedcom identifikovať genetický materiál z úplne odlišných kráľovstiev organizmov – či už baktérií, vírusov alebo húb – ktoré sú prítomné v tej istej vzorke.

Samotná detekcia a identifikácia prítomnosti patogénu však na presnú diagnózu sepsy nestačí, preto výskumníci z Biohubu vytvorili aj transkripčný profil – ktorý kvantifikuje génovú expresiu – na zachytenie reakcie pacienta na infekciu.

Elektronická kniha Genetika a genomika

Kompilácia top rozhovorov, článkov a noviniek za posledný rok. Stiahnite si kópiu ešte dnes

Ďalej použili strojové učenie na mNGS a transkripčné údaje, aby rozlíšili medzi sepsou a inými kritickými chorobami na potvrdenie diagnózy. Katrina Kalantar, Ph.D., senior bioinformatik v CZI a spoluprvá autorka štúdie, vytvorila integrovaný model hostiteľ-mikrób vyškolený pomocou údajov od pacientov s diagnostikovanou sepsou alebo neinfekčnými systémovými zápalovými ochoreniami. čo umožnilo diagnostiku sepsy s veľmi vysokou presnosťou.

"Model sme vyvinuli tak, že sme sa pozreli na celý rad metagenomických údajov spolu s výsledkami z tradičného klinického testovania," vysvetlil Kalantar. Najprv výskumníci identifikovali zmeny v génovej expresii medzi pacientmi s potvrdenou sepsou a neinfekčnými systémovými zápalovými stavmi, ktoré sa zdajú byť klinicky podobné, a potom použili strojové učenie na identifikáciu génov, ktoré by mohli najlepšie predpovedať tieto zmeny.

Výskumníci zistili, že keď tradičná bakteriálna kultúra identifikovala patogén spôsobujúci sepsu, v zodpovedajúcej vzorke plazmy analyzovanej pomocou mNGS bolo zvyčajne množstvo genetického materiálu z tohto patogénu. S ohľadom na to Kalantar naprogramoval model tak, aby identifikoval organizmy, ktoré sú prítomné v neúmerne vysokom množstve v porovnaní s inými mikróbmi vo vzorke, a potom ich porovnal s referenčným indexom známych mikróbov spôsobujúcich sepsu.

"Okrem toho sme tiež zaznamenali všetky zistené vírusy, aj keď boli na nižších úrovniach, pretože tam nemali byť," vysvetlil Kalantar. "S týmto relatívne jednoduchým súborom pravidiel sme to dokázali celkom dobre."

„Takmer dokonalý“ výkon

Vedci zistili, že metóda mNGS a jej zodpovedajúci model fungovali lepšie, ako sa očakávalo: dokázali identifikovať 99 % potvrdených prípadov bakteriálnej sepsy, 92 % potvrdených prípadov vírusovej sepsy a predpovedať sepsu v 74 % prípadov s klinickým podozrením, ktoré ešte nebolo definitívne diagnostikované.

"Očakávali sme dobrý výkon alebo dokonca vynikajúci výkon, ale toto bolo takmer dokonalé," povedala Lucile Neyton, Ph.D., postdoktorandka v laboratóriu Calfee a spoluautorka štúdie. "Pomocou tohto prístupu získame celkom dobrú predstavu o tom, čo spôsobuje ochorenie, a vieme s relatívne vysokou mierou istoty, či pacient má sepsu alebo nie."

Tím bol tiež nadšený, keď zistil, že môžu použiť túto kombinovanú odpoveď hostiteľa a metódu detekcie mikroorganizmov na diagnostiku sepsy pomocou vzoriek plazmy, ktoré sa bežne odoberajú od väčšiny pacientov ako súčasť štandardnej klinickej starostlivosti. "Skutočnosť, že môžete skutočne identifikovať pacientov so sepsou pomocou tohto široko používaného a ľahko zberateľného typu vzorky, má veľké praktické dôsledky," povedal Langelier.

Myšlienka práce vzišla z predchádzajúceho výskumu Langelier, Kalantar, Calfee, výskumníci z UCSF a prezident CZ Biohub Joe DeRisi, Ph.D. a ich kolegovia, v ktorom použili mNGS na efektívnu diagnostiku infekcií dolných dýchacích ciest u kriticky chorých pacientov. Pretože metóda fungovala tak dobre, "chceli sme zistiť, či rovnaký prístup môže fungovať v kontexte sepsy," povedal Kalantar.

Širšie dôsledky

Tím dúfa, že nadviaže na túto úspešnú diagnostickú techniku ​​vyvinutím modelu, ktorý dokáže predpovedať aj antibiotickú rezistenciu patogénov objavených pomocou tejto metódy. "Mali sme s tým určitý úspech pri infekciách dýchacích ciest, ale nikto nenašiel dobrý prístup k sepse," povedal Langelier.

Okrem toho výskumníci dúfajú, že budú nakoniec schopní predpovedať výsledky pacientov so sepsou, „ako je úmrtnosť alebo dĺžka pobytu v nemocnici, čo by poskytlo dôležité informácie, ktoré by lekárom umožnili lepšie sa starať o svojich pacientov a zamerať zdroje na pacientov, ktorí ich najviac potrebujú,“ povedal Langelier.

"Existuje veľký potenciál pre nové sekvenčné prístupy, ako je tento, ktoré nám pomôžu presnejšie identifikovať príčiny kritického ochorenia pacienta," dodal Calfee. "Ak to dokážeme, bude to prvý krok k presnej medicíne a pochopeniu toho, čo sa deje na úrovni jednotlivých pacientov."

Zdroj:

Biohub Chan Zuckerberg

Referencia:

Kalantar, KL, a kol. (2022) Integrovaná metagenomika hostiteľskej mikrobiálnej plazmy na diagnostiku sepsy v perspektívnej kohorte kriticky chorých dospelých. Prírodná mikrobiológia. doi.org/10.1038/s41564-022-01237-2.

.