Индивидуальное назначение антибиотиков поможет в борьбе с супербактериями
Израильские исследователи разработали алгоритмы машинного обучения, которые позволяют подбирать антибиотик, оптимальный для конкретного пациента и его заболевания. Индивидуальное и корректное назначение противомикробных препаратов, как они надеются, поможет в борьбе с растущей угрозой антибиотикорезистентности.
В прошлом году Всемирная организация здравоохранения объявила устойчивость бактерий к лекарствам, и в частности, антибиотикам одной из главных проблем современной медицины, сравнив ее масштаб с войнами и изменением климата. С каждым годом в мире растет число микроорганизмов, развивших резистентность к существующим противомикробным препаратам. Это происходит из-за злоупотребления, нарушения схемы приема или неправильной дозировки антибиотиков, особенно широкого спектра действия, которые могут назначаться при самых разных заболеваниях.
Так создаются условия, при которых самые слабые бактерии погибают, а самые сильные выживают. Они активно размножаются и мутируют, передавая гены, устойчивые к антибактериальным лекарствам, следующим поколениям микроорганизмов. В результате антибиотики перестают работать, а бактериальные инфекции, которые еще недавно считались легкими и хорошо поддавались лечению, – такие как пневмония, туберкулез и сальмонеллез, – становятся смертельно опасными.
Стремительно растущее число так называемых супербактерий повышает риск массовых эпидемий. Это также подрывает возможности медицины в борьбе с раком, трансплантации органов, установке протезов. Каждый год от инфекций, вызванных резистентными к лекарствам бактериями, в мире погибают порядка 800 000 человек. Британские специалисты подсчитали, что через тридцать лет они будут убивать больше человек, чем онкологические заболевания.
Ученые из израильского Техниона вместе со специалистами научно-исследовательского института больничной кассы Маккаби предложили свое решение проблемы, которое они видят в персонализированном назначении антибиотиков, то есть возможности подбирать каждому пациенту оптимальный для него препарат с учетом массы индивидуальных факторов. В своем исследовании, результаты которого были представлены в недавнем номере научного издания Nature Medicine, они сосредоточились на изучении особенностей терапии инфекций мочевыводящих путей, которые вызываются целым рядом бактерий, включая Klebsiella pneumoniae, E. coli и Proteus mirabilis.
Команда проанализировала устойчивость к антибиотикам более чем 700 000 уринокультур – культур микроорганизма, выделенных из мочи в ходе бактериологического исследования, – и разработала алгоритм, основанный на более чем пяти миллионах случаев покупки антибиотиков за последние десять лет. Этот алгоритм успешно предсказывает степень резистентности инфекции к антибиотикам и предоставляет корректные рекомендации по лечению.
Анализируя конкретные примеры, исследователи сконцентрировали внимание на трех типах данных: демографических, включающих информацию о возрасте, поле, наличие беременности, проживании в доме для пенсионеров и т.д., уровнях устойчивости бактерий по результатам предыдущих бактериологических посевов мочи конкретного пациента, и истории его покупок лекарственных препаратов.
«В своем исследовании мы показали, что каждый из трех видов данных играет свою роль в эффективности лечения антибиотиками, и гораздо более важную, чем мы предполагали, – говорят ученые. – Даже базовые демографические данные, как оказалось, влияют на то, каким образом организм конкретного человека ответит на лечение антибиотиками. Раньше люди об этом даже не задумывались».
Авторы выяснили, что использование их алгоритма, построенного на анализе легкодоступных данных, может снизить вероятность назначения неправильных антибактериальных препаратов почти на 40%.
Их работа свидетельствует о дальнейших изменениях в подходе к составлению терапевтических планов – все чаще оно базируется на алгоритмическом анализе больших массивов данных, но сами исследователи уверяют, что их технология, созданная, чтобы помочь врачам больше узнать об индивидуальных потребностях человека, все еще является примером пациент-центрической модели взаимодействия врача с пациентом.
При этом ученые подчеркивают, что одно не должно противоречить другому: «Этот алгоритм максимально персонализированный. И временами может показаться, что он на самом деле знает о тебе очень многое».
