La IA ofrece una forma más rápida de predecir la resistencia a los antibióticos
Un nuevo y enorme conjunto de datos combina los datos de la espectrometría de masas con la información sobre la resistencia a los antibióticos
Un estudio codirigido por la ETH de Zúrich ha demostrado que los algoritmos informáticos pueden determinar la resistencia a los antimicrobianos de las bacterias más rápidamente que los métodos anteriores. Esto podría ayudar a tratar infecciones graves de forma más eficiente en el futuro.
Imagen simbólica
pixabay.com
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 sólo en Suiza. Las pruebas de diagnóstico rápido y el uso selectivo de antibióticos desempeñan un papel crucial para frenar la propagación de estas "superbacterias" resistentes a los antibióticos.
Sin embargo, a menudo se tarda dos o más días en determinar qué antibióticos siguen siendo eficaces contra un determinado patógeno, ya que primero hay que cultivar las bacterias de la muestra del paciente en el laboratorio de diagnóstico. Debido a este retraso, muchos médicos tratan inicialmente las infecciones graves con una clase de fármacos conocidos como antibióticos de amplio espectro, que son eficaces contra una amplia gama de especies bacterianas.
Ahora, investigadores de la ETH de Zúrich, el Hospital Universitario de Basilea y la Universidad de Basilea han desarrollado un método que utiliza datos de espectrometría de masas para identificar signos de resistencia a los antibióticos en las bacterias hasta 24 horas antes.
"Algoritmos informáticos inteligentes buscan en los datos patrones que distingan las bacterias resistentes de las que responden a los antibióticos", explica Caroline Weis, estudiante de doctorado del Departamento de Ciencia e Ingeniería de Biosistemas de la ETH de Zúrich en Basilea y autora principal del estudio. Los investigadores publican su método en el último número de la revista Nature Medicinecall_made.
El tiempo hasta la terapia óptima es crítico
Al identificar las resistencias significativas a los antibióticos en una fase temprana, los médicos pueden adaptar una terapia antibiótica a la bacteria correspondiente con mayor rapidez. Esto puede ser especialmente beneficioso para los pacientes graves.
"El tiempo que se tarda en optimizar la terapia antibiótica puede significar la diferencia entre la vida y la muerte si la infección es grave. Un diagnóstico rápido y preciso es extremadamente importante en ese tipo de casos", afirma Adrian Egli, profesor y jefe de bacteriología clínica del Hospital Universitario de Basilea.
El instrumento de espectrometría de masas que proporciona los datos para el nuevo método ya se utiliza en muchos laboratorios de microbiología de todo el mundo para identificar tipos de bacterias. El aparato analiza miles de fragmentos de proteínas en cada muestra y luego crea una huella digital individual de las proteínas bacterianas. Este proceso también requiere el cultivo previo de las bacterias, pero sólo durante unas horas en lugar de unos 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 del noroeste de Suiza y los relacionaron con los resultados de las correspondientes pruebas de resistencia clínica. El resultado es un nuevo conjunto de datos de acceso público que abarca unas 800 bacterias diferentes y más de 40 antibióticos distintos.
"Nuestro siguiente paso fue entrenar algoritmos de inteligencia artificial con estos datos de forma que pudieran aprender a detectar la resistencia a los antibióticos por sí mismos", afirma Karsten Borgwardt, profesor del Departamento de Ciencia e Ingeniería de Biosistemas de la ETH de Zúrich en Basilea, que dirigió el estudio junto con el profesor Egli.
Para que su modelo de predicción sea lo más aplicable posible, los investigadores analizaron cómo influía en el rendimiento del algoritmo los datos de entrenamiento. Los diferentes enfoques comparados en el estudio incluían el entrenamiento del modelo predictivo con datos de un solo hospital y el entrenamiento con datos combinados de múltiples hospitales.
Mientras que 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 mayor hasta la fecha que combina datos de espectrometría de masas con información sobre la resistencia a los antibióticos", afirma Borgwardt. "Es un gran ejemplo de cómo los datos clínicos existentes pueden utilizarse para generar nuevos conocimientos".
El modelo detecta con fiabilidad las resistencias más comunes
Para calibrar la utilidad de las predicciones informáticas, los investigadores se asociaron con un experto en enfermedades infecciosas para analizar unos 60 casos prácticos. Su objetivo era determinar hasta qué punto las predicciones habrían influido en la elección del tratamiento antibiótico si hubieran estado a disposición del clínico en una fase temprana del proceso de toma de decisiones.
El equipo de investigación eligió deliberadamente estudios de casos con las bacterias resistentes a los antibióticos más importantes, como el Staphylococcus aureus resistente a la meticilina (SARM) y las bacterias intestinales resistentes a los antibióticos betalactámicos de amplio espectro (E. coli).
Uno de los motivos por los que este estudio es tan importante es que los médicos también suelen basar su elección de antibióticos en factores como la edad y el historial médico del paciente. Los resultados mostraron que, efectivamente, el nuevo método habría inducido al médico a optar por una terapia antibiótica mejorada en algunos casos.
Planificación en marcha de un ensayo clínico
Antes de que el nuevo método de diagnóstico pueda implantarse en la atención a los pacientes, el equipo tendrá que superar otros retos, entre los que se encuentra la realización de un ensayo clínico a gran escala para corroborar los beneficios del nuevo método en un entorno hospitalario rutinario. "La planificación de dicho estudio ya está en marcha", afirma Egli. Como experto en microbiología clínica, confía en que el proyecto mejore el tratamiento de las infecciones en los próximos años.
Borgwardt afirma que el proyecto también plantea muchas cuestiones de investigación importantes sobre el uso de la inteligencia artificial en medicina. "Este conjunto de datos nos permite examinar más de cerca los cambios que debemos hacer a nivel de algoritmos para mejorar aún más la calidad de las predicciones de los datos recogidos en diferentes momentos y lugares".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
