La septicémie est une complication infectieuse potentiellement mortelle et représente 1,7 million d’hospitalisations et 350 000 décès par an aux États-Unis. Un diagnostic rapide et précis est essentiel, car le risque de mortalité augmente jusqu’à 8 % toutes les heures sans traitement efficace. Cependant, la norme diagnostique actuelle dépend de la croissance de la culture, qui prend généralement deux à trois jours.
Les médecins peuvent choisir d’administrer des antibiotiques à large spectre jusqu’à ce que davantage d’informations soient disponibles pour un diagnostic précis, mais ceux-ci peuvent avoir une efficacité limitée et une toxicité potentielle pour le patient.
Dans une étude présentée à Microbe ASMune équipe de Day Zero Diagnostics a dévoilé une nouvelle approche des tests de sensibilité aux antimicrobiens utilisant l’intelligence artificielle (IA).
Leur système, Keynome gAST, ou test génomique de sensibilité aux antimicrobiens, contourne le besoin de croissance de culture en analysant les génomes bactériens entiers extraits directement des échantillons de sang des patients. Les résultats provisoires sont basés sur des études ayant collecté des échantillons dans quatre hôpitaux de la région de Boston.
Contrairement aux méthodes traditionnelles qui s’appuient sur des gènes de résistance connus, les algorithmes d’apprentissage automatique identifient de manière autonome les facteurs de résistance et de susceptibilité sur la base des données d’une base de données à grande échelle en constante augmentation de plus de 75 000 génomes bactériens et de 800 000 résultats de tests de sensibilité (48 000 génomes bactériens et 450 000 génomes de susceptibilité). résultats des tests au moment de cette étude). Cela permet de prévoir rapidement et précisément la résistance aux antimicrobiens, révolutionnant ainsi le diagnostic et le traitement du sepsis.
« Le résultat est une première démonstration de prédictions complètes et de haute précision de la susceptibilité et de la résistance aux antimicrobiens sur des échantillons cliniques provenant directement du sang », a déclaré Jason Wittenbach, Ph.D., directeur de la science des données chez Day Zero. Diagnostics et auteur principal de l’étude.
« Cela représente une démonstration cruciale de la faisabilité d’un diagnostic rapide de la résistance aux antimicrobiens basé sur l’apprentissage automatique, qui pourrait révolutionner le traitement, réduire les séjours à l’hôpital et sauver des vies. »
Les chercheurs affirment que des études plus approfondies sont nécessaires, étant donné la taille limitée de l’échantillon, mais que les résultats pourraient contribuer à des progrès significatifs dans les résultats pour les patients dans un contexte de menace croissante de résistance aux antimicrobiens et de nécessité d’un diagnostic et d’un traitement rapides du sepsis.
Plus d’information:
ASM Microbe est la réunion annuelle de l’American Society for Microbiology, qui se tient du 13 au 17 juin 2024 à Atlanta, en Géorgie.