Day Zero Diagnostics a présenté Keynome gAST, une méthode de test génomique utilisant l'IA pour accélérer le diagnostic du sepsis en analysant directement les génomes bactériens des échantillons de patients, transformant potentiellement le traitement et réduisant la mortalité.
Les chercheurs de Day Zero Diagnostics ont développé Keynome gAST, un test génomique de sensibilité aux antimicrobiens basé sur l'IA qui prédit rapidement la résistance aux antimicrobiens en analysant les génomes bactériens à partir d'échantillons de sang. Cette avancée, démontrée à l'ASM Microbe, pourrait considérablement améliorer le diagnostic et le traitement du sepsis, accélérant la prise de décision et potentiellement sauvant des vies dans un contexte de résistance croissante aux antimicrobiens.
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 de diagnostic actuelle dépend de la croissance de la culture, qui prend généralement 2 à 3 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.
Approche innovante de l'IA dans le diagnostic
Dans une étude présentée à l'ASM Microbe, une équipe de Day Zero Diagnostics a dévoilé une nouvelle approche des tests de sensibilité aux antimicrobiens utilisant 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 4 hôpitaux de la région de Boston.
Révolutionner le traitement du sepsis grâce à l'apprentissage automatique
Contrairement aux méthodes traditionnelles qui s'appuient sur des gènes de résistance connus, le apprentissage automatique les algorithmes identifient de manière autonome les facteurs de résistance et de sensibilité sur la base des données d'une base de données à grande échelle en constante augmentation de plus de 75 000 génomes bactériens et 800 000 résultats de tests de sensibilité (48 000 génomes bactériens et 450 000 résultats de tests de sensibilité au moment de cette étude). Cela permet des prévisions rapides et précises de la résistance aux antimicrobiens, révolutionnant ainsi le diagnostic et le traitement du sepsis.
Orientations et implications futures
« Le résultat est une première démonstration en son genre d’une approche complète et de haute qualité.précision prévisions de sensibilité et de 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.
Le financement de cette recherche a été assuré en partie par l’Accélérateur biopharmaceutique de lutte contre les bactéries résistantes aux antibiotiques (CARB-X).
