Сепсис, чрезмерная реакция иммунной системы в ответ на инфекцию, ежегодно вызывает около 20% смертей во всем мире и от 20 до 50% смертей в больницах США. Однако, несмотря на его распространенность и тяжесть, это состояние трудно диагностировать и эффективно лечить.
Болезнь может вызвать снижение притока крови к жизненно важным органам, воспаление по всему телу и нарушение свертываемости крови. Поэтому, если сепсис не распознать и не лечить быстро, он может привести к шоку, отказу органов и смерти. Но может быть трудно определить, какой возбудитель вызывает сепсис, находится ли инфекция в кровотоке или где-то еще в организме. А у многих пациентов с симптомами, напоминающими сепсис, может быть сложно определить, действительно ли у них есть инфекция.
Теперь исследователи из Chan Zuckerberg Biohub (CZ Biohub), Chan Zuckerberg Initiative (CZI) и UC San Francisco (UCSF) разработали новый диагностический метод, который применяет машинное обучение к расширенным геномным данным как от микроба, так и от хозяина, чтобы идентифицировать и предсказать случаи сепсиса. Как сообщалось 20 октября 2022 года в журнале Nature Microbiology , этот подход на удивление точен и может значительно превзойти существующие диагностические возможности.
«Сепсис является одной из 10 основных проблем общественного здравоохранения, с которыми сталкивается человечество», — сказал старший автор Чаз Ланжелье, доктор медицинских наук, доцент кафедры инфекционных заболеваний Калифорнийского университета в Сан-Франциско и исследователь CZ Biohub. «Одной из ключевых проблем при сепсисе является диагностика. Существующие диагностические тесты не в состоянии уловить двусторонний характер заболевания — саму инфекцию и иммунный ответ хозяина на инфекцию».
Текущая диагностика сепсиса сосредоточена на обнаружении бактерий путем их выращивания в культуре, что, по словам исследователей, создающих новый метод, «необходимо для соответствующей антибиотикотерапии, что имеет решающее значение для выживания при сепсисе». Но культивирование этих патогенов требует много времени и не всегда позволяет правильно идентифицировать бактерию, вызывающую инфекцию. Аналогично для вирусов, ПЦР-тесты могут определить, что вирусы заражают пациента, но не всегда идентифицируют конкретный вирус, вызывающий сепсис.
«Это приводит к тому, что клиницисты не могут определить причину сепсиса примерно в 30–50% случаев», — сказал Ланжелье. «Это также приводит к несоответствию с точки зрения лечения антибиотиками и патогена, вызывающего проблему».
В отсутствие окончательного диагноза врачи часто назначают коктейль из антибиотиков, чтобы остановить инфекцию, но чрезмерное использование антибиотиков привело к повышению устойчивости к антибиотикам во всем мире. «Как врачи, мы никогда не хотим пропустить случай заражения», — сказала Кэролин Калфи, доктор медицинских наук, профессор медицины и анестезии в Калифорнийском университете в Сан-Франциско и соавтор нового исследования. «Но если бы у нас был тест, который мог бы помочь нам точно определить, у кого нет инфекции, то это могло бы помочь нам ограничить использование антибиотиков в этих случаях, что было бы действительно хорошо для всех нас».
Устранение двусмысленности
Исследователи проанализировали образцы цельной крови и плазмы более чем 350 пациентов в критическом состоянии, которые были госпитализированы в Медицинский центр UCSF или Больницу общего профиля Цукерберга в Сан-Франциско в период с 2010 по 2018 год.
Но вместо того, чтобы полагаться на культуры для идентификации патогенов в этих образцах, команда под руководством ученых CZ Biohub Нормы Нефф, доктора философии, и Анжелы Писко, доктора философии, вместо этого использовала метагеномное секвенирование следующего поколения (mNGS). Этот метод идентифицирует все нуклеиновые кислоты или генетические данные, присутствующие в образце, а затем сравнивает эти данные с эталонными геномами для идентификации присутствующих микробных организмов. Этот метод позволяет ученым идентифицировать генетический материал из совершенно разных царств организмов, будь то бактерии, вирусы или грибы, присутствующие в одном и том же образце.
Тем не менее, для точной диагностики сепсиса недостаточно обнаружения и идентификации присутствия патогена, поэтому исследователи Biohub также выполнили профилирование транскрипции, которое количественно определяет экспрессию генов, чтобы зафиксировать реакцию пациента на инфекцию.
Затем они применили машинное обучение к mNGS и данным транскрипции, чтобы отличить сепсис от других критических заболеваний и, таким образом, подтвердить диагноз. Катрина Калантар, доктор философии, ведущий вычислительный биолог в CZI и соавтор исследования, создала интегрированную модель микроб-хозяин, обученную на данных пациентов, у которых был установлен либо сепсис, либо неинфекционные системные воспалительные заболевания. что позволило диагностировать сепсис с очень высокой точностью.
«Мы разработали модель, изучив множество метагеномных данных наряду с результатами традиционных клинических тестов», — пояснил Калантар. Для начала исследователи определили изменения в экспрессии генов между пациентами с подтвержденным сепсисом и неинфекционными системными воспалительными состояниями, которые кажутся клинически схожими, а затем использовали машинное обучение для определения генов, которые могли бы лучше всего предсказать эти изменения.
Исследователи обнаружили, что когда традиционная бактериальная культура идентифицировала патоген, вызывающий сепсис, в соответствующем образце плазмы, проанализированном с помощью mNGS, обычно наблюдалось переизбыток генетического материала этого патогена. Имея это в виду, Калантар запрограммировал модель для выявления организмов, присутствующих в непропорционально большом количестве по сравнению с другими микробами в образце, а затем для сравнения их с эталонным индексом хорошо известных микробов, вызывающих сепсис.
«Помимо этого, мы также отметили все обнаруженные вирусы, даже если они были на более низком уровне, потому что их действительно не должно было быть там», — пояснил Калантар. «С этим относительно простым набором правил мы справились довольно хорошо».
«Почти идеальное» исполнение
Исследователи обнаружили, что метод mNGS и соответствующая ему модель работают лучше, чем ожидалось: они смогли идентифицировать 99% подтвержденных случаев бактериального сепсиса, 92% подтвержденных случаев вирусного сепсиса и смогли предсказать сепсис в 74% случаев с клиническим подозрением. который не был окончательно диагностирован.
«Мы ожидали хорошей производительности или даже отличной производительности, но это было почти идеально», — сказала Люсиль Нейтон, доктор философии, научный сотрудник лаборатории Калфи и соавтор исследования. «Используя этот подход, мы получаем довольно хорошее представление о том, что вызывает заболевание, и мы знаем с относительно высокой степенью достоверности, есть ли у пациента сепсис или нет».
Команда также была рада узнать, что они могут использовать этот комбинированный метод определения реакции хозяина и микробов для диагностики сепсиса с использованием образцов плазмы, которые обычно берут у большинства пациентов в рамках стандартной клинической помощи. «Тот факт, что вы действительно можете идентифицировать пациентов с сепсисом из этого широко доступного, легко собираемого типа образцов, имеет большое значение с точки зрения практической полезности», — сказал Ланжелье.
Идея работы возникла из предыдущего исследования Ланжелье, Калантара, Калфи, исследователя UCSF и президента CZ Biohub Джо Дериси, доктора философии, и их коллег, в котором они использовали mNGS для эффективной диагностики инфекций нижних дыхательных путей у пациентов в критическом состоянии. . Поскольку метод работал так хорошо, «мы хотели посмотреть, может ли такой же подход работать в контексте сепсиса», — сказал Калантар.
Более широкие последствия
Команда надеется развить этот успешный диагностический метод, разработав модель, которая также может предсказывать устойчивость к антибиотикам у патогенов, обнаруженных с помощью этого метода. «У нас был некоторый успех в лечении респираторных инфекций, но никто не придумал хорошего подхода к сепсису», — сказал Ланжелье.
Кроме того, исследователи надеются, что в конечном итоге смогут предсказывать исходы у пациентов с сепсисом, «такие как смертность или продолжительность пребывания в больнице, что предоставит ключевую информацию, которая позволит клиницистам лучше заботиться о своих пациентах и выделять ресурсы для пациентов. кому они нужны больше всего», — сказал Ланжелье.
«Существует большой потенциал для новых подходов к секвенированию, таких как этот, которые помогут нам более точно определить причины критического заболевания пациента», — добавил Калфи. «Если мы сможем это сделать, это будет первый шаг к точной медицине и пониманию того, что происходит на уровне отдельного пациента».
Теги: ИИ, иммунитет
