Індивідуальне призначення антибіотиків допоможе в боротьбі з супербактеріями
Ізраїльські дослідники розробили алгоритми машинного навчання, які дозволяють підбирати антибіотик, оптимальний для конкретного пацієнта та його захворювання. Індивідуальне і коректне призначення протимікробних препаратів, як вони сподіваються, допоможе в боротьбі з зростаючою загрозою антибіотикорезистентності.
В минулому році Всесвітня організація охорони здоров'я оголосила стійкість бактерій до ліків, і зокрема, антибіотиків однією з головних проблем сучасної медицини, порівнявши її масштаб з війнами та зміною клімату. З кожним роком у світі зростає число мікроорганізмів, які розвинули резистентність до існуючих протимікробних препаратів. Це відбувається через зловживання, порушення схеми прийому або неправильну дозування антибіотиків, особливо широкого спектра дії, які можуть призначатися при найрізноманітніших захворюваннях.
Так створюються умови, при яких найслабші бактерії гинуть, а найсильніші виживають. Вони активно розмножуються і мутують, передаючи гени, стійкі до антибактеріальних ліків, наступним поколінням мікроорганізмів. В результаті антибіотики перестають працювати, а бактеріальні інфекції, які ще нещодавно вважалися легкими і добре піддавалися лікуванню, – такі як пневмонія, туберкульоз і сальмонельоз, – стають смертельно небезпечними.
Швидко зростаюча кількість так званих супербактерій підвищує ризик масових епідемій. Це також підриває можливості медицини в боротьбі з раком, трансплантації органів, встановленні протезів. Щороку від інфекцій, викликаних резистентними до ліків бактеріями, у світі гине близько 800 000 людей. Британські фахівці підрахували, що через тридцять років вони вбиватимуть більше людей, ніж онкологічні захворювання.
Вчені з ізраїльського Техніону разом зі спеціалістами науково-дослідного інституту лікарняної каси Маккабі запропонували своє рішення проблеми, яке вони бачать в персоналізованому призначенні антибіотиків, тобто можливості підбирати кожному пацієнту оптимальний для нього препарат з урахуванням маси індивідуальних факторів. У своєму дослідженні, результати якого були представлені в недавньому номері наукового видання Nature Medicine, вони зосередилися на вивченні особливостей терапії інфекцій сечовивідних шляхів, які викликані цілим рядом бактерій, включаючи Klebsiella pneumoniae, E. coli та Proteus mirabilis.
Команда проаналізувала стійкість до антибіотиків більш ніж 700 000 уринокультур – культур мікроорганізмів, виділених з сечі в ході бактеріологічного дослідження, – і розробила алгоритм, заснований на більш ніж п'яти мільйонах випадків покупки антибіотиків за останні десять років. Цей алгоритм успішно передбачає ступінь резистентності інфекції до антибіотиків і надає коректні рекомендації щодо лікування.
Аналізуючи конкретні приклади, дослідники зосередили увагу на трьох типах даних: демографічних, які включають інформацію про вік, стать, наявність вагітності, проживання в будинку для пенсіонерів тощо, рівнях стійкості бактерій за результатами попередніх бактеріологічних посівів сечі конкретного пацієнта, та історії його покупок лікарських препаратів.
«У своєму дослідженні ми показали, що кожен з трьох видів даних відіграє свою роль в ефективності лікування антибіотиками, і значно більш важливу, ніж ми припускали, – кажуть вчені. – Навіть базові демографічні дані, як виявилося, впливають на те, яким чином організм конкретної людини відповість на лікування антибіотиками. Раніше люди про це навіть не замислювалися».
Автори з'ясували, що використання їх алгоритму, побудованого на аналізі легкодоступних даних, може знизити ймовірність призначення неправильних антибактеріальних препаратів майже на 40%.
Їхня робота свідчить про подальші зміни в підході до складання терапевтичних планів – все частіше воно базується на алгоритмічному аналізі великих масивів даних, але самі дослідники запевняють, що їхня технологія, створена, щоб допомогти лікарям більше дізнатися про індивідуальні потреби людини, все ще є прикладом пацієнт-центричної моделі взаємодії лікаря з пацієнтом.
При цьому вчені підкреслюють, що одне не повинно суперечити іншому: «Цей алгоритм максимально персоналізований. І часом може здаватися, що він насправді знає про тебе дуже багато».