Cr\u00e9dito: CC0 Public Domain <\/p>\n
Las bacterias resistentes a los antibi\u00f3ticos est\u00e1n aumentando en todo el mundo y Suiza no es una excepci\u00f3n. Cada a\u00f1o, las infecciones causadas por bacterias multirresistentes provocan al menos 300 muertes solo en Suiza. Las pruebas de diagn\u00f3stico r\u00e1pido y el uso espec\u00edfico de antibi\u00f3ticos juegan un papel crucial para frenar la propagaci\u00f3n de estas \u00absuperbacterias\u00bb resistentes a los antibi\u00f3ticos. <\/p>\n
Sin embargo, a menudo se necesitan dos o m\u00e1s d\u00edas para determinar qu\u00e9 antibi\u00f3ticos siguen siendo efectivos contra un pat\u00f3geno en particular porque primero se deben cultivar las bacterias de la muestra del paciente en el laboratorio de diagn\u00f3stico. Debido a este retraso, muchos m\u00e9dicos tratan inicialmente infecciones graves con una clase de medicamentos conocidos como antibi\u00f3ticos de amplio espectro, que son efectivos contra una amplia gama de especies bacterianas.<\/p>\n
Ahora, investigadores de ETH Zurich, la Universidad El Hospital Basel y la University Basel han desarrollado un m\u00e9todo que utiliza datos de espectrometr\u00eda de masas para identificar signos de resistencia a antibi\u00f3ticos en bacterias hasta 24 horas antes.<\/p>\n
\u00abAlgoritmos inform\u00e1ticos inteligentes buscan en los datos patrones que distingan las bacterias resistentes de aquellos que responden a los antibi\u00f3ticos\u00bb, dice Caroline Weis, estudiante de doctorado en el Departamento de Ciencia e Ingenier\u00eda de Biosistemas en ETH Zurich en Basilea y autora principal del estudio. Los investigadores publicaron su m\u00e9todo en el \u00faltimo n\u00famero de la revista Nature Medicine.<\/p>\n
El momento de la terapia \u00f3ptima es cr\u00edtico<\/p>\n
Al identificar resistencias significativas a los antibi\u00f3ticos en una etapa temprana, los m\u00e9dicos pueden adaptar un la terapia antibi\u00f3tica a la bacteria relevante m\u00e1s r\u00e1pidamente. Esto puede ser particularmente beneficioso para pacientes gravemente enfermos.<\/p>\n
\u00abEl tiempo necesario para optimizar la terapia con antibi\u00f3ticos puede significar la diferencia entre la vida y la muerte si una infecci\u00f3n es grave. Un diagn\u00f3stico r\u00e1pido y preciso es extremadamente importante en esos tipos de casos\u00bb, dice Adrian Egli, profesor y Jefe de Bacteriolog\u00eda Cl\u00ednica en el Hospital Universitario de Basilea.<\/p>\n
El instrumento de espectrometr\u00eda de masas que proporciona los datos para el nuevo m\u00e9todo ya est\u00e1 en uso en muchos laboratorios de microbiolog\u00eda en todo el mundo para identificar tipos bacterianos. El dispositivo analiza miles de fragmentos de prote\u00ednas en cada muestra y luego crea una huella digital individual de las prote\u00ednas bacterianas. Este proceso tambi\u00e9n requiere que las bacterias se cultiven de antemano, pero solo durante unas pocas horas en lugar de unos pocos d\u00edas.<\/p>\n
Se ha creado un nuevo y enorme conjunto de datos<\/p>\n
Los investigadores de Basilea han desarrollado un nuevo m\u00e9todo que ampl\u00eda los usos de la espectrometr\u00eda de masas para incluir la identificaci\u00f3n de la resistencia a los antibi\u00f3ticos. Para este conjunto de datos, los equipos extrajeron m\u00e1s 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 cl\u00ednica correspondientes. El resultado es un nuevo conjunto de datos disponible p\u00fablicamente que cubre alrededor de 800 bacterias diferentes y m\u00e1s de 40 antibi\u00f3ticos diferentes.<\/p>\n
\u00abNuestro siguiente paso fue entrenar algoritmos de inteligencia artificial con estos datos para que pudieran aprender a detectar la resistencia a los antibi\u00f3ticos en propios\u00bb, dice Karsten Borgwardt, profesor en el Departamento de Ciencia e Ingenier\u00eda de Biosistemas en ETH Zurich en Basilea, quien dirigi\u00f3 el estudio junto con el Prof. Egli.<\/p>\n
Para hacer que su modelo predictivo sea ampliamente aplicable En la medida de lo posible, los investigadores analizaron c\u00f3mo 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.<\/p>\n
Si bien los estudios anteriores en este campo de investigaci\u00f3n se han centrado en especies bacterianas o antibi\u00f3ticos individuales , este nuevo estudio se basa en varios tipos de bacterias aisladas en hospitales, as\u00ed como en una multitud de caracter\u00edsticas de resistencia asociadas. \u00abNuestro conjunto de datos es el m\u00e1s grande hasta la fecha en combinar datos de espectrometr\u00eda de masas con informaci\u00f3n sobre la resistencia a los antibi\u00f3ticos\u00bb, dice Borgwardt. \u00abEs un gran ejemplo de c\u00f3mo se pueden utilizar los datos cl\u00ednicos existentes para generar nuevos conocimientos\u00bb.<\/p>\n
El modelo detecta de forma fiable las resistencias comunes<\/p>\n
Para medir la utilidad de las predicciones inform\u00e1ticas, los investigadores se unieron con un experto en enfermedades infecciosas para analizar alrededor de 60 estudios de casos. Su objetivo era determinar hasta qu\u00e9 punto las predicciones habr\u00edan influido en la elecci\u00f3n de la terapia antibi\u00f3tica si hubieran estado disponibles para el m\u00e9dico en una etapa temprana del proceso de toma de decisiones.<\/p>\n
El equipo de investigaci\u00f3n eligi\u00f3 deliberadamente estudios de casos que presentan las bacterias resistentes a los antibi\u00f3ticos m\u00e1s importantes, incluido Staphylococcus aureus resistente a la meticilina (MRSA) y bacterias intestinales resistentes a los antibi\u00f3ticos betalact\u00e1micos de amplio espectro (E. coli).<\/p>\n
Una de las razones de este estudio de caso es tan importante es que los m\u00e9dicos tambi\u00e9n tienden a basar su elecci\u00f3n de antibi\u00f3tico en factores como la edad del paciente y el historial m\u00e9dico. Los resultados mostraron que el nuevo m\u00e9todo habr\u00eda llevado al m\u00e9dico a optar por una terapia antibi\u00f3tica mejorada en algunos casos.<\/p>\n
Planificaci\u00f3n en curso para un ensayo cl\u00ednico<\/p>\n
Antes de que el nuevo m\u00e9todo de diagn\u00f3stico pueda implementarse en la atenci\u00f3n al paciente, el equipo deber\u00e1 superar desaf\u00edos adicionales, que incluyen la implementaci\u00f3n de un ensayo cl\u00ednico a gran escala para corroborar los beneficios del nuevo m\u00e9todo en un entorno hospitalario de rutina. \u00abLa planificaci\u00f3n de dicho estudio ya est\u00e1 en marcha\u00bb, dice Egli. Como experto en microbiolog\u00eda cl\u00ednica, conf\u00eda en que el proyecto mejorar\u00e1 la forma en que se tratan las infecciones en los pr\u00f3ximos a\u00f1os.<\/p>\n
Borgwardt dice que el proyecto tambi\u00e9n plantea muchas preguntas de investigaci\u00f3n importantes sobre el uso de la inteligencia artificial en medicamento. \u00abEste conjunto de datos nos permite observar m\u00e1s de cerca los cambios que debemos realizar a nivel algor\u00edtmico para mejorar a\u00fan m\u00e1s la calidad de las predicciones de los datos recopilados en diferentes puntos en el tiempo y en diferentes ubicaciones\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Virus bacterianos: fieles aliados contra la resistencia a los antibi\u00f3ticos M\u00e1s informaci\u00f3n:<\/strong> Caroline Weis et al, Predicci\u00f3n directa de la resistencia a los antimicrobianos a partir de espectros de masas cl\u00ednicos MALDI-TOF mediante aprendizaje autom\u00e1tico, Nature Medicine ( 2022). DOI: 10.1038\/s41591-021-01619-9 Informaci\u00f3n de la revista:<\/strong> Nature Medicine <\/p>\n Proporcionado por ETH Zurich Cita<\/strong>: La inteligencia artificial ofrece una forma m\u00e1s r\u00e1pida de predecir la resistencia a los antibi\u00f3ticos (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 est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Las bacterias resistentes a los antibi\u00f3ticos est\u00e1n aumentando en todo el mundo y Suiza no es una excepci\u00f3n. Cada a\u00f1o, las infecciones causadas por bacterias multirresistentes provocan al menos 300 muertes solo en Suiza. Las pruebas de diagn\u00f3stico r\u00e1pido y el uso espec\u00edfico de antibi\u00f3ticos juegan un papel crucial para frenar … Continuar leyendo \u00abLa inteligencia artificial ofrece una forma m\u00e1s r\u00e1pida de predecir la resistencia a los antibi\u00f3ticos\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-7173","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/7173","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=7173"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/7173\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=7173"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=7173"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=7173"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}