La inteligencia artificial ofrece una forma más rápida de predecir la resistencia a los antibióticos
Crédito: CC0 Public Domain
Las bacterias resistentes a los antibióticos están aumentando en todo el mundo y Suiza no es una excepción. Cada año, las infecciones causadas por bacterias multirresistentes provocan al menos 300 muertes solo en Suiza. Las pruebas de diagnóstico rápido y el uso específico de antibióticos juegan un papel crucial para frenar la propagación de estas «superbacterias» resistentes a los antibióticos.
Sin embargo, a menudo se necesitan dos o más días para determinar qué antibióticos siguen siendo efectivos contra un patógeno en particular porque primero se deben cultivar las bacterias de la muestra del paciente en el laboratorio de diagnóstico. Debido a este retraso, muchos médicos tratan inicialmente infecciones graves con una clase de medicamentos conocidos como antibióticos de amplio espectro, que son efectivos contra una amplia gama de especies bacterianas.
Ahora, investigadores de ETH Zurich, la Universidad El Hospital Basel y la University Basel han desarrollado un método que utiliza datos de espectrometría de masas para identificar signos de resistencia a antibióticos en bacterias hasta 24 horas antes.
«Algoritmos informáticos inteligentes buscan en los datos patrones que distingan las bacterias resistentes de aquellos que responden a los antibióticos», dice Caroline Weis, estudiante de doctorado en el Departamento de Ciencia e Ingeniería de Biosistemas en ETH Zurich en Basilea y autora principal del estudio. Los investigadores publicaron su método en el último número de la revista Nature Medicine.
El momento de la terapia óptima es crítico
Al identificar resistencias significativas a los antibióticos en una etapa temprana, los médicos pueden adaptar un la terapia antibiótica a la bacteria relevante más rápidamente. Esto puede ser particularmente beneficioso para pacientes gravemente enfermos.
«El tiempo necesario para optimizar la terapia con antibióticos puede significar la diferencia entre la vida y la muerte si una infección es grave. Un diagnóstico rápido y preciso es extremadamente importante en esos tipos de casos», dice Adrian Egli, profesor y Jefe de Bacteriología Clínica en el Hospital Universitario de Basilea.
El instrumento de espectrometría de masas que proporciona los datos para el nuevo método ya está en uso en muchos laboratorios de microbiología en todo el mundo para identificar tipos bacterianos. El dispositivo analiza miles de fragmentos de proteínas en cada muestra y luego crea una huella digital individual de las proteínas bacterianas. Este proceso también requiere que las bacterias se cultiven de antemano, pero solo durante unas pocas horas en lugar de unos pocos días.
Se ha creado un nuevo y enorme conjunto de datos
Los investigadores de Basilea han desarrollado un nuevo método que amplía los usos de la espectrometría de masas para incluir la identificación de la resistencia a los antibióticos. Para este conjunto de datos, los equipos extrajeron más de 300 000 espectros de masas de bacterias individuales de cuatro laboratorios en el noroeste de Suiza y los vincularon con los resultados de las pruebas de resistencia clínica correspondientes. El resultado es un nuevo conjunto de datos disponible públicamente que cubre alrededor de 800 bacterias diferentes y más de 40 antibióticos diferentes.
«Nuestro siguiente paso fue entrenar algoritmos de inteligencia artificial con estos datos para que pudieran aprender a detectar la resistencia a los antibióticos en propios», dice Karsten Borgwardt, profesor en el Departamento de Ciencia e Ingeniería de Biosistemas en ETH Zurich en Basilea, quien dirigió el estudio junto con el Prof. Egli.
Para hacer que su modelo predictivo sea ampliamente aplicable En la medida de lo posible, los investigadores analizaron cómo los datos de entrenamiento influyeron en el rendimiento del algoritmo. Los diferentes enfoques comparados en el estudio incluyeron entrenar el modelo predictivo con datos de un solo hospital y entrenar con datos combinados de varios hospitales.
Si bien los estudios anteriores en este campo de investigación se han centrado en especies bacterianas o antibióticos individuales , este nuevo estudio se basa en varios tipos de bacterias aisladas en hospitales, así como en una multitud de características de resistencia asociadas. «Nuestro conjunto de datos es el más grande hasta la fecha en combinar datos de espectrometría de masas con información sobre la resistencia a los antibióticos», dice Borgwardt. «Es un gran ejemplo de cómo se pueden utilizar los datos clínicos existentes para generar nuevos conocimientos».
El modelo detecta de forma fiable las resistencias comunes
Para medir la utilidad de las predicciones informáticas, los investigadores se unieron con un experto en enfermedades infecciosas para analizar alrededor de 60 estudios de casos. Su objetivo era determinar hasta qué punto las predicciones habrían influido en la elección de la terapia antibiótica si hubieran estado disponibles para el médico en una etapa temprana del proceso de toma de decisiones.
El equipo de investigación eligió deliberadamente estudios de casos que presentan las bacterias resistentes a los antibióticos más importantes, incluido Staphylococcus aureus resistente a la meticilina (MRSA) y bacterias intestinales resistentes a los antibióticos betalactámicos de amplio espectro (E. coli).
Una de las razones de este estudio de caso es tan importante es que los médicos también tienden a basar su elección de antibiótico en factores como la edad del paciente y el historial médico. Los resultados mostraron que el nuevo método habría llevado al médico a optar por una terapia antibiótica mejorada en algunos casos.
Planificación en curso para un ensayo clínico
Antes de que el nuevo método de diagnóstico pueda implementarse en la atención al paciente, el equipo deberá superar desafíos adicionales, que incluyen la implementación de un ensayo clínico a gran escala para corroborar los beneficios del nuevo método en un entorno hospitalario de rutina. «La planificación de dicho estudio ya está en marcha», dice Egli. Como experto en microbiología clínica, confía en que el proyecto mejorará la forma en que se tratan las infecciones en los próximos años.
Borgwardt dice que el proyecto también plantea muchas preguntas de investigación importantes sobre el uso de la inteligencia artificial en medicamento. «Este conjunto de datos nos permite observar más de cerca los cambios que debemos realizar a nivel algorítmico para mejorar aún más la calidad de las predicciones de los datos recopilados en diferentes puntos en el tiempo y en diferentes ubicaciones».
Explore más
Virus bacterianos: fieles aliados contra la resistencia a los antibióticos Más información: Caroline Weis et al, Predicción directa de la resistencia a los antimicrobianos a partir de espectros de masas clínicos MALDI-TOF mediante aprendizaje automático, Nature Medicine ( 2022). DOI: 10.1038/s41591-021-01619-9 Información de la revista: Nature Medicine
Proporcionado por ETH Zurich Cita: La inteligencia artificial ofrece una forma más rápida de predecir la resistencia a los antibióticos (2022, 10 de enero) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2022-01-artificial-intelligence-faster-antibiotic-resistance.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.