Immagine: infezioni del tratto urinario.Credit: Public Domain.
Un paradosso degli antibiotici è che in generale, più li usiamo, meno continuano a funzionare. Il processo darwiniano di batteri che crescono resistenti agli antibiotici significa che, quando i farmaci non funzionano, non possiamo più curare le infezioni, portando gruppi come l’Organizzazione Mondiale della Sanità a mettere in guardia sulla nostra capacità di controllare le principali minacce per la salute pubblica.
A causa della sua ubiquità, un argomento particolarmente preoccupante sono le infezioni del tratto urinario (UTI), che colpiscono la metà di tutte le donne e aggiungono quasi 4 miliardi di dollari all’anno in costi sanitari non necessari. I medici spesso trattano le infezioni del tratto urinario utilizzando antibiotici chiamati fluorochinoloni che sono poco costosi e generalmente efficaci. Tuttavia, è stato anche scoperto che mettono le donne a rischio di contrarre altre infezioni come C. difficile e infezioni da stafilococco e sono anche associate a un rischio più elevato di lesioni ai tendini e condizioni pericolose per la vita come le lacrime aortiche.
Per questo motivo, le associazioni mediche hanno emesso linee guida che raccomandano i fluorochinoloni come “trattamenti di seconda linea“ che dovrebbero essere utilizzati solo su un paziente quando altri antibiotici sono inefficaci o hanno reazioni avverse. Nel frattempo, i medici con tempo e risorse limitati continuano a prescriverli a tassi elevati.
Un team guidato da scienziati del MIT ritiene che questo enigma offra un’opportunità per uno strumento basato sui dati che potrebbe aiutare i medici a prendere decisioni più sicure e personalizzate per i pazienti.
Vedi anche:Il progresso nel campo dell’intelligenza artificiale sarà la chiave per la longevità
In un nuovo articolo i ricercatori presentano un algoritmo di raccomandazione che prevede la probabilità che l’infezione delle vie urinarie di un paziente possa essere trattata con antibiotici di prima o seconda linea. Con queste informazioni, il modello formula quindi una raccomandazione per un trattamento specifico che seleziona un agente di prima linea, senza portare a un eccesso di fallimenti del trattamento.
Il team ha dimostrato che il modello consentirebbe ai medici di ridurre del 67% l’uso di antibiotici di seconda linea. Per i pazienti per i quali i medici hanno scelto un farmaco di seconda linea, ma l’algoritmo ha scelto un farmaco di prima linea, il farmaco di prima linea ha finito per funzionare più del 90% delle volte. Quando i medici hanno scelto un farmaco di prima linea inappropriato, l’algoritmo ha scelto un farmaco di prima linea appropriato quasi la metà delle volte.
Il Prof. del MIT David Sontag afferma che un sistema come questo potrebbe essere utilizzato quando un paziente arriva al pronto soccorso o nello studio del medico di base con una sospetta UTI. Anche quando l’infezione è confermata, il batterio specifico è ancora sconosciuto, rendendo difficile la scelta di un piano di trattamento. È qui che entra in gioco l’algoritmo e propone un suggerimento utilizzando i dati delle cartelle cliniche elettroniche (EHR) di oltre 10.000 pazienti del Brigham & Women’s Hospital e del Massachusetts General Hospital (MGH).
Vedi anche:Lo zinco può combattere le infezioni del tratto urinario
Presentato in un articolo apparso sulla rivista Science Translational Medicine, il sistema del team presenta un algoritmo di soglia che il team spera sarà applicato a una vasta gamma di farmaci che affrontano tutti un dilemma simile: come bilanciare la necessità di efficacia trattamento con il desiderio di ridurre al minimo l’uso di antibiotici di seconda linea. I ricercatori hanno anche strutturato il loro modello affinchè potesse essere direttamente incorporato nell’EHR, eliminando passaggi non necessari e flussi di lavoro aggiuntivi.
“Con questo algoritmo, possiamo effettivamente chiedere al medico quale specifica probabilità di fallimento del trattamento sono disposti a rischiare per ridurre l’uso di farmaci di seconda linea di una certa quantità”, afferma Sanjat Kanjilal, docente della Harvard Medical School, medico di malattie infettive e Direttore medico associato di microbiologia presso il BWH. Kanjilal e Sontag hanno scritto il nuovo documento con i ricercatori della Carnegie Mellon University e della MGH.
Il progetto fa parte di una più ampia ondata di modelli di apprendimento automatico che sono stati utilizzati per prevedere la resistenza agli antibiotici nelle sindromi infettive come le infezioni del flusso sanguigno e utilizzano i dati genomici dei patogeni. Sebbene molti di questi approcci forniscano nuove informazioni cliniche, la maggior parte di essi non è stata ampiamente adottata a causa della loro mancanza di interpretabilità, difficoltà di integrazione nei flussi di lavoro clinici e assenza di prove che dimostrino che funzionano in contesti ospedalieri reali.
“La cosa entusiasmante di questa ricerca è che presenta un modello per il modo giusto di eseguire una valutazione retrospettiva“, afferma Sontag.
Il team si affretta a sottolineare che non ha testato l’ algoritmo su forme più complicate di UTI che coinvolgono condizioni preesistenti e che la prova ultima dell’utilità può essere valutata solo utilizzando uno studio controllato randomizzato. Tuttavia, dicono i ricercatori che la stragrande maggioranza dei casi di UTI è compatibile con il sistema.
Andando avanti, Sontag afferma che gli sforzi futuri si concentreranno sull’esecuzione di uno studio controllato randomizzato che confronti la pratica abituale con le decisioni supportate dall’algoritmo. I ricercatori hanno anche in programma di aumentare la diversità della dimensione del loro campione per migliorare le raccomandazioni su razza, etnia, stato socioeconomico e background di salute più complessi.
Fonte: Massachusetts Institute of Technology
