Antybiotyki to miecz obosieczny: z jednej strony antybiotyki są niezbędne do leczenia infekcji bakteryjnych. Z drugiej strony ich stosowanie sprzyja pojawianiu się i namnażaniu bakterii opornych na antybiotyki. Korzystając z technik sekwencjonowania genomowego i analizy danych pacjentów w oparciu o uczenie maszynowe, naukowcy opracowali algorytm przepisywania antybiotyków, który zmniejsza o połowę ryzyko pojawienia się oporności na antybiotyki.
Artykuł opublikowany w Science jest wynikiem współpracy grupy badawczej profesora Roya Kishony z Israel Institute of Technology Faculty of Biology and the Henry and Marilyn Taub Faculty of Computer Science wraz z profesorami Vardą Shalev, Gabrielem Chodickiem, oraz Jacobem Kuint z Maccabi KSM Research and Innovation Center, kierowanego przez dr Tal Patalona. Koncentrując się na dwóch bardzo powszechnych infekcjach bakteryjnych, infekcjach dróg moczowych i infekcjach ran, w artykule opisano, w jaki sposób można wykorzystać historię infekcji każdego pacjenta w celu przypisania najlepszego antybiotyku, aby zmniejszyć ryzyko pojawienia się antybiotykooporności.
Kliniczne leczenie infekcji koncentruje się na prawidłowym dopasowaniu antybiotyku do profilu oporności patogenu, ale nawet tak prawidłowo dobrana terapia może zawieść, ponieważ antybiotykooporności może pojawić się podczas samego leczenia.
„Chcieliśmy zrozumieć, w jaki sposób pojawia się oporność na antybiotyki podczas leczenia i znaleźć sposoby na lepsze dostosowanie leczenia antybiotykami dla każdego pacjenta, aby nie tylko prawidłowo dopasować obecną podatność pacjenta na infekcje, ale także zminimalizować ryzyko nawrotu infekcji i uzyskania oporności na leczenie” – powiedział prof. Kishony.
Kluczem do sukcesu tego podejścia było zrozumienie, że pojawienie się oporności na antybiotyki można przewidzieć w przypadku poszczególnych pacjentów. Bakterie mogą ewoluować poprzez losowe nabywanie mutacji, które czynią je odpornymi, a losowość procesu utrudnia jego przewidywanie i uniknięcie. Jednak naukowcy odkryli, że u większości pacjentów oporność nie została nabyta przez losowe mutacje. Zamiast tego pojawiła się oporność z powodu reinfekcji przez istniejące oporne bakterie z własnego mikrobiomu pacjenta. Naukowcy przekształcili te odkrycia w zaletę: zaproponowali dopasowanie antybiotyku nie tylko do podatności bakterii wywołujących obecną infekcję pacjenta, ale także do bakterii w ich mikrobiomie, które mogłyby go zastąpić.
„Odkryliśmy, że podatność wcześniejszych infekcji na antybiotyki może być wykorzystana do przewidywania ryzyka nawrotu opornej infekcji po leczeniu antybiotykami (…) dane demograficzne pacjenta, takie jak wiek i płeć, pozwoliły nam opracować algorytm” – wyjaśnił dr Mathew Stracy.
Badanie było wspierane przez National Institutes of Health (NIH), Israel Science Foundation w ramach Israel Precision Medicine Partnership Partnership, Ernest and Bonnie Beutler Research Program of Excellence in Genomic Medicine, Europejską Radę ds. Badań Naukowych (ERC), Wellcome Trust oraz Fundacja D. Dana i Betty Kahn.
Źródło: ScienceDaily
