A mesterséges intelligencia alapú vénytámogató szoftver, az iAST® értékelése az empirikus és félig célzott antibiotikus kezelés kiválasztásához (EVIAST)

Háttér:

A fertőzések az egyik fő oka a konzultációnak az alapellátásban és a sürgősségi ellátásban. Ezen túlmenően a kórházba kerülő betegek nagy százaléka szenved fertőzéstől a tartózkodásuk alatt. Az Európai Betegségmegelőzési és Járványvédelmi Központ (ECDC) adatai szerint az európai kórházakba felvett betegek körülbelül 11%-a szenved egészségügyi ellátással összefüggő fertőzésben (ECDC, 2013). Ezen túlmenően e szervezet szerint az európai kórházakba felvett betegek 35%-a részesül antibiotikum-terápiában, ez az arány kórházonként és országonként 21,4% és 54,7% között változik (ECDC, 2013).

A fertőzések nem megfelelő kezelése gyakran a kórházi kezelési időszak meghosszabbodásával vagy szepszis kialakulásával kapcsolatos szövődményekhez vezet, amelyek végül az érintett betegek halálát okozhatják (Kollef és mtsai, 1999; Kollef et al., 2000). Ezenkívül a nem megfelelő antibiotikum-választás miatti hatástalan kezelések óriási költségekkel és hatással vannak az egészségügyi ellátórendszerre (Zilberberg et al., 2017). Ezzel szemben kiterjedt tudományos bizonyítékok állnak rendelkezésre arra vonatkozóan, hogy a megfelelő antibiotikus kezelés korai megkezdése nagymértékben csökkenti a fertőzések morbiditását és mortalitását, valamint jelentősen csökkenti a betegek kórházi tartózkodási idejét (van den Bosch et al., 2017). Korábbi tanulmányok arról számoltak be, hogy az antibiotikum-felírások 20-30%-a nem megfelelő, ami egészségügyi szövődményekhez, különösen az egészségügyi ellátással összefüggő fertőzésekhez vezet (Fleming-Dutra és mtsai, 2016; Lambregts et al., 2020; Tumbarello et al., 2007). Ráadásul az antibiotikum kezelés megfelelő megválasztásával elkerülhető a rezisztens baktériumtörzsek elterjedése, ami az utóbbi években egyre nagyobb problémát jelent (Andersson et al., 2010; Gandra et al., 2014).

Amint azt korábban megjegyeztük, a fertőző betegségek miatti mortalitás idővel óriási mértékben növekszik, ha nem kezdik meg a megfelelő antibiotikus kezelést (Kumar et al., 2006). Így a mikrobiológiai eredmények megszerzése és a fertőzést okozó baktériumtörzs azonosítása kulcsfontosságú az alanyok hatékony kezeléséhez (D'Onofrio, 2020). A mikrobiológiai profilleírást általában mikrobiológiai laboratóriumok végzik, amelyek támogatják az orvosokat az antibiotikum-kezelés kiválasztásában. Mindazonáltal, bár megbízható eredmények születnek, általában 48 órával a kezdeti betegértékelés után születnek (Jorgensen et al. 2009).

Indoklás:

Számos mikroorganizmus és beteg kumulatív antibiogram adatainak nagy epidemiológiai és klinikai értéke van, mivel lehetővé teszik az antimikrobiális érzékenységi tendenciák változásainak nyomon követését és kimutatását. Emellett ezek az adatok segíthetnek a legjobb empirikus terápiák kiválasztásában is a különböző fertőző szindrómák közül (CLSI, 2014). A klinikai mikrobiológusok hagyományosan bizonyos gyakorisággal (legtöbbször évente) kumulatív antibiogram jelentéseket készítenek. Ezek a jelentések az egyes antibiotikumokra és mikroorganizmusokra vonatkozó rendelkezésre álló adatok kiválasztásával, az érzékeny és rezisztens baktériumok megszámlálásával és mindegyikük érzékenységének százalékos kiszámításával készülnek (Larrosa et al., 2022). Azonban ezekre a kumulatív antibiogramokra a való életben ritkán fordulnak a gyógyszert felíró orvosok, és ezek elfogultak (Mohering et al, 2015). Például az érzékenység a betegek jellemzőitől, az osztálytól, ahol kezelik őket, a korábbi baktériumtenyészetektől stb. függően változik... (Larrosa et al., 2022).

A jelenlegi mikrobiológiában rendelkezésre álló technológiának köszönhetően gyakran 24 órás késleltetés telik el a mikroorganizmus klinikai mintából történő azonosítása és az antibiotikum-érzékenységi profil eredménye között. Amint a bakteriális azonosítás rendelkezésre áll, kialakítható az adott kórokozóra orientált "félig célzott" kezelés, amely a felhalmozott antibiogram jelentések segítségével lehetővé teszi a gyors pontos kezelés megkezdését a végleges antibiogram ismeretéig. jelentősen csökkenti az empirizmus mértékét, amellyel a fertőző betegségeket kezelik (Fernández és Vázquez, 2019).

Az antibiogramok kumulatív adatai elemezhetők viselkedési minták kinyerésére gépi tanulási technikák segítségével (García-Martínez et al., 2021). A gépi tanulás a mesterséges intelligencia része, amely az adatokon alapuló modellek fejlesztésére összpontosít, olyan technikák alkalmazásával, amelyek lehetővé teszik a számítógépek számára, hogy automatikusan megtanulják az adatokban rejlő tudást, felismerjék a mintákat, az adatokat prediktív modellekké alakítsák, amelyek segítik a döntéshozatalt (Rowe et al. , 2019). Az elmúlt néhány évben néhány kutató olyan munkákat publikált, amelyekben a gépi tanulási technikák használatát értékelték az empirikus érzékenység/rezisztencia előrejelzésére. Ezeket a munkákat azonban kutatási környezetben értékelték, és néhány fertőzés és etiológiai ágens konkrét eseteire redukálták (Mancini és mtsai, 2020; Lewin-Epstein et al., 2021; Anahtar és mtsai, 2021; Kim et al. ., 2022).

Orvosi eszközök áttekintése:

Az elmúlt három évben a Pragmatech AI Solutions kutatásait a mesterséges intelligencia és a gépi tanulási technikák használatára összpontosította a kumulatív antibiogramok elemzésére, valamint annak előrejelzésére, hogy konkrét betegek számára melyek a legjobb empirikus és félig célzott terápiák. Ez egy olyan termékben valósult meg, amely a forgalomba hozatal előtti fázisban van, az iAST® néven. Az iAST® szoftver a 2017/745 EU-rendelet szerint a IIa osztályú orvostechnikai eszköznek minősül.

Tanulmányi cél:

Az iAST® eszköz matematikailag bebizonyította, hogy növelheti a bakteriális lefedettség valószínűségét a fertőzések korai antibiotikus kezelésében a kórházban kezelt betegeknél.

Ebben az értelemben jelen retrospektív és megfigyeléses vizsgálat elsődleges célja az iAST® szoftver pontosságának felmérése a gyakori fertőző betegségek empirikus és félig célzott terápiájának korai megfelelő kiválasztásához valós klinikai környezetben.

Klinikai vizsgálat tervezése:

A klinikai vizsgálatot egyetlen központként, retrospektív és megfigyeléses vizsgálatként tervezték. Az antibiogramokat és a kórházi feljegyzéseket visszamenőlegesen felülvizsgálják, hogy azonosítsák azokat a betegeket, akik megfelelnek a felvételi kritériumoknak a vizsgálat elsődleges és másodlagos végpontjainak elemzéséhez. A mesterséges intelligencia modelljének beállításához használt antibiogramok nem számítanak az iAST® szoftver pontosságának értékelésére. Csak a 2023 februárjától kezdődő esetek számítanak bele. A vizsgálók minden esetben regisztrálják az orvos által felírt empirikus és félig célzott terápiát (ha van ilyen). Az iAST® szoftver és az orvosok sikerességi arányának összehasonlítása az antibiogram tekintetében kétféle módon történik:

1. A jogosult alanyok esetében a vizsgálók az iAST® eszközt használják annak előrejelzésére, hogy mely antibiotikumok lettek volna a három legjobb választás mind empirikus, mind félig célzott terápia esetén, és rögzítik ezeket az adatokat a lefedettség előrejelzett százalékos arányával (az első három antibiotikum az iAST® rangsor kerül kiválasztásra, amelyet annak a központnak az antibiogramjában teszteltek, ahol a vizsgálatot végzik). A vizsgálók ellenőrzik a végső mikrobiológiai jelentéseket, és naplózzák, hogy a visszanyert baktériumok érzékenyek voltak-e az orvosok által felírt és az iAST® eszközzel szimulált gyógyszerre a végső antibiogram eredményei alapján. Az orvos által felírt recept sikerének arányát statisztikailag összehasonlítják az iAST® által javasolt három legnépszerűbb antibiotikum sikerességi arányával, független módon. Azokban az esetekben, amikor a klinikusok nem írtak fel félig célzott terápiát, az iAST® által félig célzott terápiaként javasolt gyógyszert összehasonlítják a klinikus empirikus kezelésével.
2. A vizsgálók azt is regisztrálják, hogy az iAST® milyen valószínűséggel jósol a sikernek az orvos által felírt gyógyszerre vonatkozóan. Az iAST® által az orvos által felírt antibiotikumra előre jelzett valószínűségek átlagát két csoport összehasonlítja: az antibiogram eredményei alapján azon esetek, amelyekben a baktérium érzékeny volt, és azok, amelyekben rezisztens volt. Elemezni kell, hogy ez a különbség statisztikailag szignifikáns-e.

Az orvosok antibiotikum-felírásának megfelelőségét és az iAST®-előrejelzést az antibiogram jelentés alapján hasonlítják össze. Minden fertőzéstípushoz egy alcsoport-elemzést készítenek. Eszerint az iAST® pontosságát a hipotetikus empirikus és félig célzott kezelési előrejelzéshez az orvosi rendelvények összehasonlításához a következőképpen értékelik:

• Adatok a sürgősségi osztályon UTI-vel és/vagy húgyúti szepszissel diagnosztizált betegektől.
• Adatok olyan betegektől, akik bakteremiában vagy szepszisben szenvedtek, amikor a kórokozót véglegesen azonosították, vagy amikor a Gram-folt jellemzői rendelkezésre álltak.
• Olyan betegek adatai, akik tracheobronchitisben vagy mechanikus lélegeztetéssel összefüggő tüdőgyulladásban szenvedtek, és akiknél a kiváltó okot véglegesen azonosították, vagy ha rendelkezésre álltak a Gram-folt jellemzői.
• Adatok olyan betegektől, akik olyan fertőzésen szenvedtek el, amelyben a kórokozót azonosították, de még mindig nem volt antibiogram eredménye.

A nyomozók nyilvántartásba veszik, hogy az orvosok által felírt antibiotikumok vagy az iAST® minden esetben a WHO AWARE besorolás hozzáférési, figyelési vagy tartalék csoportjába tartoztak-e (https://www.who.int/publications/i/item/2021-). tudatos-osztályozás). Ily módon kiszámításra kerül az egyes antibiotikumok használatának/javaslásának aránya az egyes karokban (orvos által felírt vs iAST® előrejelzés).

A vizsgálatból származó összes adatot a vizsgálók egy elektronikus esetjelentési űrlapon (eCRF) rögzítik.

Definíciók

• Empirikus terápia: Azok a terápiák, amelyeket akkor írnak fel, ha fertőzés gyanúja merül fel, de az azt termelő mikroorganizmus és annak antibiotikum-érzékenysége még nem ismert.
• Félig célzott terápia: Olyan terápia, amelyet fertőzés gyanúja esetén írnak fel, az etiológiája ismert, de az antibiotikum érzékenysége még nem.
• A mikrobiológiai eredmények szerint megfelelő antibiotikum: Az antibiotikumos kezelés akkor tekinthető helyesnek, ha a kezelt beteg klinikai mintájában azonosított baktériumok az antibiogram vagy annak extrapolációja alapján érzékenyek.
• Nem megfelelő antibiotikum a mikrobiológiai eredmények szerint: Ellenkezőleg, egy kezelés helytelennek minősül, ha a baktérium, amely ellen irányul, rezisztens az antibiogram eredménye vagy annak belső rezisztenciája alapján.

Korlátozások:

A tanulmány korlátai a tervezéséből fakadnak, tekintve, hogy ez egy retrospektív, nem beavatkozást igénylő vizsgálat. A tanulmányt azonban úgy alakították ki, hogy csökkentsék a lehetséges torzításokat. Az elfogultság minimalizálását célzó intézkedések közül néhány:

• Ugyanezeket az eseteket fogják használni az orvos által felírt recept és az iAST® ajánlás összehasonlítására, így nem lesz adategyensúlytalanság.
• A vizsgálók magasan képzettek a fertőző betegségekben, így tökéletesen értelmezik az antibiogramok adatait és a vizsgálatba bevont esetek klinikai feljegyzéseit, csökkentve ezzel az értelmezési torzítást.
• A betegadatok anonimizálásra kerülnek A gyűjtendő adatok általában elérhetőek a betegek kórlapjaiban és egészségügyi kártyáiban, valamint a Mikrobiológiai Osztály adatbázisában. Nem garantálható azonban, hogy az orvosi feljegyzések vagy egészségügyi kártyák teljesek, ami akadályozhatja a vizsgálati protokollban meghatározott összes érdekes változó összegyűjtését. Hiányzó adatok esetén a hiányzó értékeket nem veszik figyelembe az elemzés százalékos arányának kiszámításakor.