Индивидуальный риск устойчивости к антибиотикам рассчитает модель на основе машинного обучения

Авторы новой работы, опубликованной в Science, разработали модели для предсказания индивидуального риска появления антибиотикорезистентной микробиоты, основанные на машинном обучении.

Для обучения были взяты полногеномные последовательности 1113 изолятов бактерий, выделенных до и после терапии антибиотиками, у 140349 пациентов с инфекциями мочевыводящих путей и 7365 пациентов с раневыми инфекциями. Образцы брали у пациентов больницы Маккаби в Израиле с июня 2007 года по январь 2019 года. Для пациентов с диагностированными инфекциями мочевыводящих путей и ран была собрана клиническая информация, в том числе об устойчивости к антибиотикам, видовом составе микрофлоры и предыдущем опыте лечения антибиотиками. Клинические случаи были рассортированы на шесть групп в соответствии с тем, была ли первоначальная инфекция вызвана антибиотикорезистентной бактерией или бактерией без антибиотикорезистентности, а также с исходом лечения (рецидив, вызванный не устойчивой к антибиотикам бактерией, рецидив, вызванный антибиотикорезистентной бактерией, либо отсутствие рецидива).

Оказалось, что в 30% случаев инфекций мочевыводящих путей и 19% случаев инфекций ран после терапии антибиотиками появлялась резистентная к ним микрофлора. Высокий процент приобретенной антибиотикорезистентности даже при правильном подборе препарата авторы связывают с эволюцией микробов — мутациями, приобретением генетических элементов, обеспечивающих резистентность, или повторным заражением устойчивым штаммом. Авторы работы показали, что за появление антибиотикорезистентности чаще всего отвечает последний путь, то есть замещение исходного чувствительного возбудителя устойчивым видом или штаммом, сохранившимся в кишечнике или коже пациента. Известно, что большинство патогенных инфекций происходят от собственной микробиоты пациента.

Исходя из последнего вывода, ученые предположили, что возникновение антибиотикорезистентности можно предсказать для каждого пациента индивидуально. Они высказали гипотезу, что пациенты, ранее столкнувшиеся с устойчивым штаммом, имеют более высокий риск рецидивирующей инфекции, устойчивой к антибиотикам, после успешного излечения антибиотиками чувствительной инфекции.

Для проверки гипотезы они произвели мультивариантную логистическую регрессию риска рецидива инфекции с приобретенной устойчивостью, используя описанный выше массив данных. Согласно построенным моделям, связь прошлых инфекций и риска антибиотикорезистентности оставалась значимой для пациентов с инфекциями мочевыводящих путей в течение четырех лет после излечения от прежней инфекции. В то же время не было выявлено ассоциации между уязвимостью к антибиотикам у возбудителей прошлых инфекций и риском раннего рецидива без антибиотикорезистентности. Это подтверждает, что построенные учеными модели предсказывают именно риск антибиотикорезистентности, а не риск раннего рецидива инфекции.

Авторы работы показали, что на основании построенных моделей можно подобрать альтернативный антибиотик для каждого пациента с инфекциями мочевыводящих путей или ран, учитывая его историю болезни. Антибиотики, предсказанные моделью для каждого случая, давали почти на 80% меньше риска развития резистентности, чем препараты, выписанные врачом.