La sepsis, la reacción exagerada del sistema inmunitario en respuesta a una infección, es la causa de un 20 por ciento de las muertes en el mundo. Sin embargo, a pesar de su prevalencia y gravedad, la enfermedad es difícil de diagnosticar y tratar eficazmente. La enfermedad, puede provocar una disminución del flujo sanguíneo a los órganos vitales, inflamación en todo el cuerpo y una coagulación sanguínea anormal. Por lo tanto, si la sepsis no se reconoce y se trata rápidamente, puede provocar un shock, un fallo orgánico y la muerte. Pero puede ser difícil identificar qué patógeno está causando la sepsis, y en muchos pacientes con síntomas parecidos a los de la sepsis, puede ser difícil determinar si tienen una infección.
Ahora, los investigadores del Chan Zuckerberg Biohub (CZ Biohub), la Iniciativa Chan Zuckerberg (CZI) y la Universidad de California en San Francisco (UCSF), han desarrollado un método de diagnóstico que aplica el aprendizaje automático a los datos genómicos avanzados del microbio como del huésped, para identificar y predecir los casos de sepsis. "La sepsis es uno de los 10 principales problemas de salud pública a los que se enfrenta la humanidad", ha dicho el autor principal, Chaz Langelier. "Uno de los principales retos de la sepsis es el diagnóstico. Las pruebas de diagnóstico existentes no son capaces de captar la naturaleza dual de la enfermedad: la propia infección y la respuesta inmunitaria del huésped a la infección", explica el autor.
"Uno de los principales retos de la sepsis es el diagnóstico. Las pruebas de diagnóstico existentes no son capaces de captar la naturaleza dual de la enfermedad: la propia infección y la respuesta inmunitaria del huésped a la infección", explica Chaz Langelier
Los diagnósticos actuales de la sepsis se centran en la detección de las bacterias mediante su cultivo, un proceso que es "esencial para una terapia antibiótica adecuada, que es fundamental para la supervivencia de la sepsis", según los investigadores del nuevo método. Pero el cultivo de estos patógenos requiere mucho tiempo y no siempre identifica correctamente la bacteria que causa la infección. A falta de un diagnóstico definitivo, los médicos suelen recetar un cóctel de antibióticos para intentar detener la infección, pero el uso excesivo de antibióticos ha provocado un aumento de la resistencia a los mismos en todo el mundo.
Un equipo dirigido por las científicas del CZ Biohub, Norma Neff y Angela Pisco utilizaron la secuenciación metagenómica de próxima generación (mNGS). Este método identifica todos los ácidos nucleicos o datos genéticos presentes en una muestra, y luego compara esos datos con genomas de referencia para identificar los organismos microbianos presentes y, permite a los científicos identificar el material genético de organismos de reinos completamente diferentes que están presentes en la muestra. A continuación, aplicaron el aprendizaje automático a los datos mNGS y transcripcionales para distinguir entre la sepsis y otras enfermedades críticas y confirmar el diagnóstico. La doctora Katrina Kalantar, bióloga computacional principal del CZI, creó un modelo integrado huésped-microbio entrenado con datos de pacientes en los que se había establecido una sepsis o una enfermedad inflamatoria no infecciosa, lo que permitió diagnosticar la sepsis con una precisión muy alta.
Los investigadores descubrieron que cuando el cultivo bacteriano identificaba un patógeno causante de la sepsis, solía haber una sobreabundancia de material genético de ese patógeno en la correspondiente muestra de plasma analizada por mNGS. Teniendo esto en cuenta, Kalantar programó el modelo para identificar los organismos presentes en una abundancia desproporcionadamente alta en comparación con otros microbios en la muestra, y para luego compararlos con un índice de referencia de microbios bien conocidos que causan sepsis.
Los investigadores descubrieron que con el método mNGS fueron capaces de identificar el 99% de los casos de sepsis bacteriana confirmada, el 92% de los casos de sepsis vírica confirmada y fueron capaces de predecir la sepsis en el 74% de los casos clínicamente sospechosos que no habían sido diagnosticados definitivamente. El equipo se entusiasmó al descubrir que podían utilizar este método combinado de respuesta del huésped y detección de microbios para diagnosticar la sepsis utilizando muestras de plasma, que se recogen rutinariamente de la mayoría de los pacientes como parte de la atención clínica estándar. "El hecho de que se pueda identificar a los pacientes con sepsis a partir de este tipo de muestra fácil de recoger tiene grandes implicaciones en utilidad práctica", dijo Langelier.
AFECTADOS POR SEPSIS
Esta enfermedad causa la muerte anual de más de 11 millones de personas en todo el mundo, pero las personas más afectadas principalmente son los niños y las mujeres de países vulnerables. La Organización Mundial de la Salud (OMS) ha destacado que de cada 1.000 mujeres que dan a luz, 11 experimentarán una disfunción orgánica grave relacionada con una infección o la muerte. Del mismo modo, si la infección se detecta a tiempo y se trata en un corto espacio de tiempo, la sepsis puede detenerse.
La identificación temprana de los síntomas es fundamental para evitar complicaciones y un desenlace fatal. Dado que estas infecciones a menudo son resistentes a los antibióticos, pueden conducir rápidamente a un deterioro de las condiciones clínicas.