Un modèle d’apprentissage automatique construit à partir de données provenant de milliers de patients souffrant d’infections de plaies et d’infections urinaires a permis d’identifier les facteurs qui contribuent à la résistance aux antibiotiques dans les infections récurrentes.
Selon les auteurs de ces travaux, l’historique des infections et des traitements antibiotiques d’un patient peut être utilisé avec les données démographiques de ce dernier pour prédire quels antibiotiques candidats seraient susceptibles de prévenir une infection récurrente. “Les systèmes de recommandation par apprentissage automatique tels que celui présenté [ici] ont le potentiel d’améliorer considérablement les résultats des patients et pourraient jouer un rôle majeur dans l’atténuation de la résistance aux antibiotiques“, écrivent Jean-Baptiste Lagagne et Mary Dunlop dans un article connexe de Perspective. Dans de nombreux cas, les infections bactériennes – y compris les infections urinaires courantes et les infections de plaies – proviennent de bactéries issues du microbiote du patient. Le traitement de ces infections implique souvent l’utilisation d’un large éventail d’antibiotiques. Les infections graves font souvent l’objet d’une évaluation de la sensibilité aux antibiotiques, qui guide l’utilisation d’un médicament particulier.
Toutefois, si le traitement initial peut éliminer l’infection, on pense que l’utilisation d’antibiotiques peut ouvrir la voie à l’apparition de souches résistantes qui remplacent la souche sensible précédente. Ainsi, des infections initialement diagnostiquées comme sensibles aux antibiotiques et traitées comme telles peuvent réapparaître et devenir résistantes aux médicaments, mettant ainsi la vie en danger. À l’aide d’un vaste ensemble de données longitudinales portant sur plus de 200 000 infections urinaires et infections de plaies et sur les profils microbiologiques des patients associés, Mathew Stracy et ses collègues ont recherché les cas où le traitement antibiotique initial n’était pas efficace. Pour mieux comprendre pourquoi certaines infections ont ensuite acquis une résistance dans ce groupe, ils ont procédé au séquençage génomique des bactéries des patients ayant subi une récidive précoce de l’infection urinaire, ce qui a permis d’obtenir une vue détaillée des souches et des espèces de l’infection initiale par rapport à celles qui ont provoqué sa récidive.
Ils ont constaté que les récidives de résistance étaient dues au remplacement de souches et non à des mutations ponctuelles dans la souche infectante initiale. “Cette analyse révèle un chemin sous-estimé vers la réinfection, l’espèce originale étant traitée et éliminée, mais le traitement ouvrant la voie à l’émergence d’autres souches résistantes“, écrivent Lagagne et Dunlop dans leur Perspective. Stracy et son équipe ont ensuite utilisé les données obtenues pour développer un modèle d’apprentissage automatique qui prédit les risques qu’un agent pathogène acquière une résistance à un antibiotique particulier au niveau du patient.
Source :
