MICROBIOLOGÍA

Un nuevo enfoque de aprendizaje automático minimiza el riesgo de resistencia a los antibióticos por el tratamiento

Science · 02 marzo 2022

Investigadores de Estados Unidos afirman que el historial de infecciones y tratamientos antibióticos de un paciente puede utilizarse con los datos demográficos del mismo para predecir qué antibióticos podrían prevenir una infección recurrente.

Un modelo de aprendizaje automático construido con datos de miles de pacientes con infecciones de heridas y del tracto urinario ha identificado los factores que contribuyen a la resistencia a los antibióticos en las infecciones recurrentes, según publican sus autores en Science.

Afirman que el historial de infecciones y tratamientos antibióticos de un paciente puede utilizarse con los datos demográficos del mismo para predecir qué antibióticos candidatos podrían prevenir una infección recurrente.

"Los sistemas de recomendación de aprendizaje automático como el presentado aquí tienen el potencial de mejorar sustancialmente los resultados de los pacientes y podrían desempeñar un papel importante en la mitigación de la resistencia a los antibióticos", escriben Jean-Baptiste Lagagne y Mary Dunlop en un artículo de opinión relacionado.

En muchos casos, las infecciones bacterianas -incluidas las infecciones comunes del tracto urinario (ITU) y las infecciones de heridas- se originan a partir de bacterias de la microbiota del paciente. El tratamiento de estas infecciones suele implicar el uso de una amplia gama de antibióticos.

En las infecciones graves se suele evaluar la susceptibilidad a los antibióticos, lo que orienta el uso de un determinado fármaco. Sin embargo, aunque el tratamiento inicial puede eliminar la infección, se cree que el uso de antibióticos puede allanar el camino para que surjan cepas resistentes y sustituyan a la cepa susceptible anterior.

Así, las infecciones diagnosticadas inicialmente como susceptibles a los antibióticos y tratadas como tales pueden reaparecer y convertirse en resistentes a los fármacos, lo que supone una amenaza para la vida.

A partir de un gran conjunto de datos longitudinales de más de 200.000 infecciones de las vías urinarias y de las heridas y de los perfiles del microbioma de los pacientes asociados, Mathew Stracy y colegas buscaron incidencias en las que el tratamiento antibiótico inicial no fue eficaz.

Para entender mejor por qué algunas infecciones ganaron posteriormente resistencia en este grupo, llevaron a cabo la secuenciación genómica de las bacterias de los pacientes en los individuos que experimentaron una recurrencia temprana de la ITU, proporcionando una visión detallada de las cepas y especies de la infección original en comparación con las que causaron su recurrencia.

Descubrieron que las recidivas que ganaban resistencia se debían a la sustitución de cepas y no a mutaciones puntuales en la cepa infecciosa original.

"Este análisis revela una vía infravalorada para la reinfección, en la que la especie original es tratada y eliminada, pero el tratamiento acaba preparando el terreno para que surjan otras cepas resistentes", escriben Lagagne y Dunlop en su artículo de opinión.

Stracy y su equipo utilizaron los datos resultantes para desarrollar un modelo de aprendizaje automático que predice los riesgos de que un patógeno adquiera resistencia a un determinado antibiótico a nivel de paciente individual.

Referencia: Science. 2022;375(6583):889-894. doi:10.1126/science.abg9868