Nova diagnostična metoda uporablja strojno učenje za napredne genomske podatke za odkrivanje sepse

Nova diagnostična metoda uporablja strojno učenje za napredne genomske podatke za odkrivanje sepse

Sepsa, pretirana reakcija imunskega sistema kot odziv na okužbo, vsako leto povzroči približno 20 % smrti po vsem svetu in 20 do 50 % smrti v bolnišnicah v Združenih državah Amerike. Vendar pa je bolezen kljub njeni razširjenosti in resnosti težko diagnosticirati in učinkovito zdraviti.

Bolezen lahko povzroči zmanjšan pretok krvi v vitalne organe, vnetje po vsem telesu in nenormalno strjevanje krvi. Zato lahko sepsa, če je ne prepoznamo in zdravimo hitro, povzroči šok, odpoved organov in smrt. Vendar pa je lahko težko ugotoviti, kateri patogen povzroča sepso ali ali je okužba v krvnem obtoku ali drugje v telesu. Pri mnogih bolnikih s simptomi, podobnimi sepsi, je lahko težko ugotoviti, ali sploh imajo okužbo.

Zdaj so raziskovalci na Chan Zuckerberg Biohub (CZ Biohub), Chan Zuckerberg Initiative (CZI) in UC San Francisco (UCSF) razvili novo diagnostično metodo, ki uporablja strojno učenje za identifikacijo naprednih genomskih podatkov iz mikrobov in gostiteljev ter predvidevanje primerov sepse. Kot je bilo 20. oktobra 2022 objavljeno v Nature Microbiology, je pristop presenetljivo natančen in lahko močno preseže trenutne diagnostične zmogljivosti.

Sepsa je ena izmed 10 največjih zdravstvenih težav, s katerimi se sooča človeštvo. Eden največjih izzivov pri sepsi je diagnoza. Obstoječi diagnostični testi ne morejo zajeti dvostranske narave bolezni – same okužbe in gostiteljevega imunskega odziva na okužbo.«

Chaz Langelier, MD, Ph.D., višji avtor, izredni profesor medicine, Oddelek za nalezljive bolezni UCSF in raziskovalec CZ Biohub

Trenutna diagnostika sepse se osredotoča na odkrivanje bakterij z gojenjem v kulturi, proces, ki je po mnenju raziskovalcev, ki stojijo za novo metodo, "bistven za ustrezno antibiotično terapijo, ki je ključnega pomena za preživetje sepse." Vendar je gojenje teh patogenov dolgotrajno in ne omogoča vedno pravilne identifikacije bakterije, ki povzroča okužbo. Podobno lahko za viruse testiranje PCR zazna, da virusi okužijo bolnika, vendar ne identificira vedno specifičnega virusa, ki povzroča sepso.

"Zaradi tega zdravniki ne morejo ugotoviti vzroka sepse v približno 30 do 50 % primerov," je dejal Langelier. "To vodi tudi do neskladja med zdravljenjem z antibiotiki in povzročiteljem bolezni."

Če ni dokončne diagnoze, zdravniki pogosto predpišejo koktajl antibiotikov za zaustavitev okužbe, vendar je prekomerna uporaba antibiotikov povzročila povečano odpornost na antibiotike po vsem svetu. "Kot zdravniki ne želimo zamuditi primera okužbe," je dejala Carolyn Calfee, MD, MAS, profesorica medicine in anesteziologije na UCSF in soavtorica nove študije. "Toda če bi imeli test, ki bi nam lahko pomagal natančno določiti, kdo nima okužbe, bi nam to lahko pomagalo omejiti uporabo antibiotikov v teh primerih, kar bi bilo res dobro za vse nas."

Odprava dvoumnosti

Raziskovalci so analizirali vzorce polne krvi in ​​plazme več kot 350 kritično bolnih bolnikov, sprejetih v medicinski center UCSF ali splošno bolnišnico Zuckerberg San Francisco med letoma 2010 in 2018.

Toda namesto da bi se pri identifikaciji patogenov v teh vzorcih zanašali na kulture, je ekipa, ki sta jo vodili znanstveniki CZ Biohub dr. Norma Neff in dr. Angela Pisco, namesto tega uporabila metagenomsko sekvenciranje naslednje generacije (mNGS). Ta metoda identificira vse nukleinske kisline ali genetske podatke, ki so prisotni v vzorcu, in nato te podatke primerja z referenčnimi genomi za identifikacijo prisotnih mikrobnih organizmov. Ta tehnika omogoča znanstvenikom, da identificirajo genetski material iz popolnoma različnih kraljestev organizmov – bodisi bakterij, virusov ali gliv – ki so prisotni v istem vzorcu.

Vendar samo odkrivanje in prepoznavanje prisotnosti patogena ni dovolj za natančno diagnozo sepse, zato so raziskovalci Biohub ustvarili tudi transkripcijski profil – ki kvantificira izražanje genov – da zajame bolnikov odziv na okužbo.

E-knjiga o genetiki in genomiki

Zbirka najboljših intervjujev, člankov in novic zadnjega leta. Prenesite kopijo še danes

Nato so uporabili strojno učenje za mNGS in podatke o transkripciji, da bi razlikovali med sepso in drugimi kritičnimi boleznimi, da bi potrdili diagnozo. Katrina Kalantar, doktorica znanosti, višja bioinformatičarka na CZI in soprva avtorica študije, je ustvarila integrirani model gostitelj-mikrob, usposobljen na podlagi podatkov bolnikov z diagnozo sepse ali neinfekcijskih sistemskih vnetnih bolezni. kar je omogočilo diagnozo sepse z zelo visoko natančnostjo.

"Model smo razvili tako, da smo preučili vrsto metagenomskih podatkov poleg rezultatov tradicionalnih kliničnih testiranj," je pojasnil Kalantar. Najprej so raziskovalci identificirali spremembe v izražanju genov med bolniki s potrjeno sepso in neinfekcijskimi sistemskimi vnetnimi stanji, ki se zdijo klinično podobni, nato pa so uporabili strojno učenje za identifikacijo genov, ki bi lahko najbolje napovedali te spremembe.

Raziskovalci so ugotovili, da ko je tradicionalna bakterijska kultura identificirala patogena, ki povzroča sepso, je bilo v ustreznem vzorcu plazme, ki ga je analiziral mNGS, običajno veliko genetskega materiala tega patogena. S tem v mislih je Kalantar programiral model za identifikacijo organizmov, ki so prisotni v nesorazmerno visoki številčnosti v primerjavi z drugimi mikrobi v vzorcu, in jih nato primerjal z referenčnim indeksom znanih mikrobov, ki povzročajo sepso.

"Poleg tega smo zabeležili tudi vse zaznane viruse, tudi če so bili na nižjih ravneh, saj jih tam ne bi smelo biti," je pojasnil Kalantar. "S tem sorazmerno preprostim nizom pravil nam je uspelo kar dobro."

"Skoraj popolna" zmogljivost

Raziskovalci so ugotovili, da sta metoda mNGS in njen ustrezen model delovala bolje od pričakovanj: identificirali so lahko 99 % potrjenih primerov bakterijske sepse, 92 % potrjenih primerov virusne sepse in napovedali sepso v 74 % primerov s kliničnim sumom, ki še ni bil dokončno diagnosticiran.

"Pričakovali smo dobro ali celo odlično izvedbo, toda to je bilo skoraj popolno," je povedala dr. Lucile Neyton, podoktorska raziskovalka v laboratoriju Calfee in soavtorica študije. "Z uporabo tega pristopa dobimo precej dobro predstavo o tem, kaj povzroča bolezen, in z relativno visoko stopnjo gotovosti vemo, ali ima bolnik sepso ali ne."

Ekipa je bila tudi navdušena, ko je odkrila, da lahko uporabi ta kombinirani odziv gostitelja in metodo odkrivanja mikrobov za diagnosticiranje sepse z uporabo vzorcev plazme, ki se redno zbirajo pri večini bolnikov kot del standardne klinične oskrbe. "Dejstvo, da lahko dejansko identificirate bolnike s sepso s to široko uporabljeno vrsto vzorca, ki jo je enostavno zbrati, ima velike praktične posledice," je dejal Langelier.

Ideja za delo je nastala iz prejšnjih raziskav Langelierja, Kalantarja, Calfeeja, raziskovalcev UCSF in predsednika CZ Biohub dr. Joeja DeRisija ter njihovih kolegov, v katerih so uporabili mNGS za učinkovito diagnosticiranje okužb spodnjih dihalnih poti pri kritično bolnih bolnikih. Ker je metoda delovala tako dobro, "smo želeli videti, ali bi isti pristop lahko deloval v kontekstu sepse," je dejal Kalantar.

Širše posledice

Ekipa upa, da bo nadgradila to uspešno diagnostično tehniko z razvojem modela, ki lahko napove tudi odpornost patogenov na antibiotike, odkritih s to metodo. "S tem smo imeli nekaj uspeha pri okužbah dihal, vendar nihče ni našel dobrega pristopa za sepso," je dejal Langelier.

Poleg tega raziskovalci upajo, da bodo sčasoma lahko napovedali rezultate bolnikov s sepso, "kot je umrljivost ali dolžina bivanja v bolnišnici, kar bi zagotovilo pomembne informacije, ki bi zdravnikom omogočile, da bolje skrbijo za svoje bolnike in usmerijo vire na bolnike, ki jih najbolj potrebujejo," je dejal Langelier.

"Obstaja velik potencial za nove pristope zaporedja, kot je ta, da bi nam pomagali natančneje prepoznati vzroke bolnikove kritične bolezni," je dodal Calfee. "Če nam to uspe, bo to prvi korak k natančni medicini in razumevanju, kaj se dogaja na ravni posameznega bolnika."

Vir:

Chan Zuckerberg Biohub

Referenca:

Kalantar, KL, et al. (2022) Integrirana metagenomika gostiteljske mikrobne plazme za diagnozo sepse v prospektivni kohorti kritično bolnih odraslih. Naravna mikrobiologija. doi.org/10.1038/s41564-022-01237-2.

.