Concordance of AI-driven antimicrobial recommendations using rapid molecular versus phenotypic-optimized workflows for bloodstream infections: a prospective study in a resource-limited setting
Deze prospectieve studie toont aan dat een geïntegreerd diagnostisch-therapeutisch programma, dat snelle moleculaire diagnostiek combineert met AI-gestuurde initiële begeleiding en daaropvolgende fenotypische optimalisatie, de tijd tot passende antimicrobiële therapie voor bloedbaaninfecties in omgevingen met beperkte middelen aanzienlijk verkort, terwijl een hoge diagnostische en therapeutische concordantie behouden blijft.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Wanneer een patiënt een bloedbaaninfectie ontwikkelt, begint de klok onmiddellijk te tikken. De bacteriën vermenigvuldigen zich in het bloed, en elk uur dat verstrijkt zonder het juiste antibioticum, vergroot het risico op overlijden. Decennialang was de standaardmanier om deze infecties te bestrijden een traag, bedachtzaam proces. Artsen nemen een bloedmonster, plaatsen het in een machine om te zien of er iets groeit, en wachten dan dagenlang tot de bacteriën genoeg zijn vermenigvuldigd om geïdentificeerd en getest te worden tegen verschillende medicijnen. Deze wachttijd, die vaak twee tot drie dagen duurt, dwingt artsen om te gokken welk medicijn ze als eerste moeten gebruiken. Als de gok fout is, lijdt de patiënt, en kunnen de bacteriën resistent worden tegen de medicijnen, waardoor ze later moeilijker te doden zijn.
Om dit op te lossen, hebben wetenschappers twee krachtige instrumenten ontwikkeld: snelle moleculaire tests en kunstmatige intelligentie. Moleculaire tests werken als een hogesnelheidsscanner die de unieke genetische vingerafdrukken van bacteriën binnen enkele uren in plaats van dagen opspoort. Kunstmatige intelligentie is in deze context een computersysteem dat is getraind op enorme hoeveelheden medische gegevens om als een tweede mening te fungeren, door de beste drug voor te stellen op basis van de specifieke bacterie en de geschiedenis van de patiënt. De grote vraag voor de medische wereld is geweest of deze snelle instrumenten erop vertrouwd kunnen worden om de behandeling zelfstandig te sturen, of dat artsen nog steeds moeten wachten op de trage, traditionele tests om de resultaten te bevestigen. Een nieuwe studie uit Peru onderzoekt of het combineren van deze snelle instrumenten met de oude, betrouwbare methoden een veiliger en sneller pad naar herstel creëert.
Onderzoekers van een groot ziekenhuis in Lima, Peru, zetten zich in om een nieuwe, geïntegreerde aanpak voor het behandelen van bloedbaaninfecties te testen. Ze volgden 237 patiënten met bevestigde infecties in hun bloed. Voor elke patiënt draaide het laboratorium twee parallelle trajecten tegelijkertijd. Op het eerste traject gebruikten ze snelle moleculaire tests om de bacteriën te identificeren en te controleren op bekende resistentiegenen binnen enkele uren nadat het bloedmonster positief werd. Deze informatie werd onmiddellijk ingevoerd in een kunstmatig intelligentiesysteem genaamd OneChoice, dat een specifiek antibioticumadvies genereerde op basis van de genetische gegevens en de individuele gezondheidsfactoren van de patiënt. Op het tweede, traditionele traject werden dezelfde bloedmonsters in kweekbakjes gekweekt, een proces dat veel langer duurt. Zodra de bacteriën groot genoeg waren gegroeid, werden ze geïdentificeerd met behulp van een andere technologie en getest tegen een breed scala aan antibiotica om te zien welke precies in staat waren hen te doden. Deze traditionele gegevens werden vervolgens ingevoerd in een tweede, geavanceerder kunstmatig intelligentiesysteem genaamd OneChoice Fusion, dat de nieuwe genetische resultaten combineerde met de traditionele laboratoriumresultaten om een geoptimaliseerd behandelplan te maken.
De studie toonde aan dat de snelle moleculaire aanpak aanzienlijk sneller was. Gemiddeld leverden de moleculaire tests de resultaten ongeveer 33 uur eerder dan de traditionele cultuurmethoden. Dit vertegenwoordigt een vermindering van de wachttijd van bijna twee derde. Belangrijker nog, de onderzoekers controleerden hoe vaak de snelle, door AI gestuurde aanbevelingen overeenkwamen met de uiteindelijke, geoptimaliseerde aanbevelingen. In meer dan 81 procent van de gevallen was de initiële suggestie van het snelle systeem exact hetzelfde als de uiteindelijke suggestie die werd gemaakt nadat de trage tests voltooid waren. Dit betekent dat voor de overgrote meerderheid van de patiënten de artsen de juiste behandeling meer dan een dag eerder hadden kunnen starten zonder het plan later te hoeven wijzigen.
De studie onthulde echter ook waar de snelle methode beperkingen heeft. In ongeveer 19 procent van de gevallen moest de initiële aanbeveling worden aangepast zodra de resultaten van de traditionele test arriveerden. De onderzoekers ontdekten dat de belangrijkste reden voor deze aanpassingen niet het falen bij het identificeren van de bacteriën was, maar een falen in het detecteren van een specifiek type resistentie. De snelle moleculaire tests zoeken naar bekende genetische markers van drugresistentie. Als een bacterie een resistentiemechanisme heeft dat nog niet aan een specifiek gen is gekoppeld, of als de resistentie voortkomt uit een complexe chromosomale verandering in plaats van een simpel gen, kan de snelle test dit missen. In deze specifieke gevallen was de traditionele test essentieel om de resistentie te vangen en ervoor te zorgen dat de patiënt het juiste medicijn krijgt.
De bevindingen suggereren dat de beste strategie niet is om te kiezen tussen snelheid en nauwkeurigheid, maar om beide in een gelaagde sequentie te gebruiken. De snelle moleculaire test, geleid door kunstmatige intelligentie, kan patiënten bijna onmiddellijk op het juiste behandelpad krijgen, wat cruciale tijd bespaart. Vervolgens fungeert de traditionele test als een vangnet, die later arriveert om het plan te bevestigen of noodzakelijke verfijningen aan te brengen. In deze studie betekende deze gecombineerde aanpak dat 100 procent van de patiënten uiteindelijk de perfecte, gepersonaliseerde therapie ontving, maar dat de meerderheid van hen de passende zorg 33 uur eerder kreeg dan mogelijk zou zijn geweest met alleen traditionele methoden.
Dit werk is bijzonder significant in omgevingen waar resistente bacteriën veel voorkomen, zoals in delen van Peru waar de resistentie tegen standaard antibiotica hoog is. In dergelijke omgevingen kan het gokken op het verkeerde antibioticum fataal zijn. Door de snelle test te gebruiken om de opties snel in te perken en de trage test om de details te verifiëren, kunnen ziekenhuizen de tijd die patiënten doorbrengen op de verkeerde medicatie verminderen. De studie mat niet of deze snellere aanpak direct levens redde, aangezien daarvoor een ander type langetermijnproef nodig is, maar de gegevens suggereren sterk dat het verkorten van de tijd tot het juiste antibioticum een vitale stap is naar het verbeteren van de overlevingskansen. Het onderzoek bevestigt dat hoewel snelle tests ongelooflijk krachtig zijn, ze het best werken wanneer ze worden gekoppeld aan de grondigheid van traditionele methoden, waardoor een systeem ontstaat dat zowel snel als precies is.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.