新研究有助于破解儿童下呼吸道感染难题

文章来源:疾病_日常疾病_日常健康_日常疾病健康指南   发布时间:2024/12/3 10:32:36   点击数:
  

下呼吸道感染(LRTI)包括肺炎等疾病,长期以来一直是病原体死亡的主要原因,也是全世界儿童死亡的主要原因。但是,尽管LRTI很普遍,但医生很难有效治疗,因为目前的诊断方法通常无法最终确定是否存在感染,如果是,是什么病原体导致感染。

现在,在《临床研究杂志》上发表的一项研究中,由ChanZuckerbergBiohubSanFrancisco(CZBiohubSF),UCSanFrancisco(UCSF),科罗拉多大学Anschutz医学校区和阿肯色大学医学科学(UAMS)/阿肯色州儿童研究所(ACRI)的研究人员领导的研究小组描述了一种诊断严重呼吸衰竭儿童LRTI的新方法。

该方法将机器学习应用于从插管儿童肺液中获得的宏基因组测序数据,以诊断儿科LRTI并以非常高的准确性确定其原因,远远超过当前的技术。

黑暗中的镜头

LRTI可能由多种细菌,病毒或真菌病原体引起,但无论罪魁祸首如何,感染症状在临床上看起来相似,甚至难以与非感染性呼吸系统疾病区分开来。由于现有诊断的局限性,医生在制定有效的治疗计划时经常在“战争迷雾”下工作,CZBiohubSF和UCSF的生物信息学科学家EranMick说。

目前的诊断通常依赖于从培养的肺液样本中培养细菌,这很耗时,并且并不总是正确识别导致问题的细菌种类。这些测试通常会产生假阴性结果或检测实际上并未引起疾病的偶然微生物。

“在所有病例中,超过一半的病例没有确定导致感染的实际微生物,”通讯作者ChazLangelier说,他是CZBiohubSF研究员,也是加州大学旧金山分校传染病部的医学副教授。“结果是,给予的治疗不一定针对导致问题的原因。

相反,医生可能会开一种广谱抗生素的混合物,以阻止可疑的感染,这有助于抗生素耐药细菌的出现。这种做法还可能导致不良的患者结果,如肾损伤或其他有害细菌(如艰难梭菌)的感染。它甚至可能对致病病原体完全无效,就像病毒感染一样。

“虽然病毒导致幼儿的大多数LRTI,但我们知道需要机械通气支持的严重LRTI儿童经常有病毒和细菌的混合感染,”共同资深作者PeterMourani说,他是UAMS重症监护医学儿科教授和ACRI主席。

“因此,即使使用常用的PCR检测检测到病毒,临床医生也经常感到被迫治疗可能的细菌感染,包括临床培养呈阴性时。大多数儿童在采集标本之前接受抗生素治疗,这可能导致假阴性培养结果。

“诊断LRTI的挑战是,下呼吸道感染的真正生物学不仅仅是一种致病微生物,”Langelier说。“这实际上是引起感染的病原体,患者的免疫反应和肺部正常微生物组之间的动态相互作用。

更全面的方法

为了更好地诊断和治疗儿童的LRTI,研究人员开发了一种新方法,该方法不仅考虑了肺部潜在病原体的存在,还考虑了患者的免疫反应,这可以表明身体是否真的在抵抗感染。

该方法依赖于宏基因组RNA测序,该测序同时报告患者的基因表达和存在的任何微生物,所有这些都来自单个肺液样本。宏基因组学捕获样本中存在的所有基因序列,无论是来自患者、细菌还是病毒。然后可以通过计算将这些序列与参考数据库进行比较,以量化基因表达和微生物丰度。

然后,研究人员将机器学习算法应用于宏基因组数据,以确定基因表达和微生物丰度的联合模式,这些模式将实际的LRTI与作为肺微生物组固有部分的微生物的无害存在区分开来。

研究人员生成并研究了来自名急性呼吸衰竭儿童的宏基因组数据,这些儿童医院之一收治。为了正确训练机器学习算法,一组临床医生严格判断每个孩子是否患有LRTI,呼吸衰竭的明确非感染性原因或不确定的诊断。

来自被描述为肯定患有LRTI的患者和没有LRTI证据的患者的数据用于开发并测试宏基因组诊断。除了做出诊断外,该方法还为被归类为感染的患者指定最可能的致病病原体。

事实证明,该方法非常准确。“它的效果比预期的要好,”兰格利尔说。“我们的曲线下面积本质上是诊断测试性能的衡量标准,在0到98的范围内高于0.1。这和诊断测试所能得到的一样好,实际上比我们在成年人身上开发的类似测试要好。

这项工作的概念源于Langelier,ChanZuckerbergInitiative(CZI)的KatrinaKalantar,UCSF教授和SFBiohub总裁JoeDeRisi及其同事以前的研究,他们使用宏基因组学有效地诊断危重成年患者的下呼吸道感染。

21世纪的诊断

“这项测试将对临床产生重大影响,”该研究的主要作者AlexandraTsitsiklis说,他是Langelier实验室的前成员,现在位于纽约市的Immunai。“宏基因组诊断的关键优势之一是能够在临床诊断不确定的患者中提供答案。事实上,该方法能够诊断LRTI并为许多不属于用于训练机器学习模型的两个明确临床诊断类别之一的患者识别可能的病原体。

此外,Tsitsiklis说,像这样的测试可以用来排除细菌感染,这样就可以避免对这些患者使用抗生素,并补充说,“这是下一步之一,这将使其在临床上更加有用。

研究人员希望经过进一步验证后,他医院环境中变得司空见惯。“传染病诊断的工作方式非常原始。这和几十年来一样,医生对他们拥有的工具并不满意。所以我们希望这是我们可以继续努力的事情,医院实施的程度,“米克说。“医院带入21世纪奠定基础。

更多信息:EranMick等人,集成宿主/微生物宏基因组学能够准确诊断危重症儿童的下呼吸道感染,临床研究杂志()。DOI:10./JCI

转载请注明:http://www.aifund.net/jj/19194.html