Método revolucionario

Inteligencia artificial y genómica, claves en la detección de brotes de enfermedades infecciosas

El EDS-HAT combina el desarrollo reciente de la secuenciación genómica asequible con algoritmos informáticos conectados al gran conjunto de datos almacenados en los registros médicos electrónicos.

Científica analizando muestras en un microscopio (Foto. Freepik)
Científica analizando muestras en un microscopio (Foto. Freepik)

time 4 min

20.11.2021 - 00:00

La pandemia provocada por el SARS-CoV-2 ha puesto de relieve la necesidad de mejorar los sistemas y protocolos de detección de brotes de enfermedades infecciosas. En este sentido un grupo de investigadores de la Facultad de Medicina de la Universidad de Pittsburgh y de la Universidad Carnege Mellon, ha conseguido mejorar notablemente la detección de brotes de enfermedades infecciosas mediante la combinación del machine learning y la secuenciación genómica.

Los resultados de su estudio han sido publicados en la revista Clinical Infectious Diseases, y muestran un método a través del que los sistemas de salud pueden identificar y afrontar brotes de enfermedades infecciosas en los entornos hospitalarios, reduciendo los costes y salvando vidas.

“El método actual que utilizan los hospitales para encontrar y detener la transmisión de enfermedades infecciosas entre los pacientes es anticuado. Estas prácticas no han cambiado significativamente en más de un siglo”, explica el autor principal Lee Harrison, profesor de Enfermedades Infecciosas en la Facultad de Medicina de la Universidad de Pittsburgh. “Nuestro proceso detecta brotes importantes que, de otro modo, pasarían desapercibidos para el control tradicional de prevención de infecciones”.

El Sistema de detección mejorado para la transmisión asociada a la atención médica (EDS-HAT, por sus siglas en inglés) combina el desarrollo reciente de la secuenciación genómica asequible con algoritmos informáticos conectados al gran conjunto de datos almacenados en los registros médicos electrónicos. Cuando la secuenciación detecta que dos o más pacientes en un hospital tienen cepas casi idénticas de una infección, el aprendizaje automático extrae rápidamente los registros de salud electrónicos de esos pacientes en busca de puntos en común, ya sea cerca de las camas de hospital, un procedimiento que utiliza el mismo equipo o un proveedor de atención médica compartida, que alerta a los especialistas en prevención de infecciones para que investiguen y detengan la transmisión.

Por lo general, este proceso requiere que los médicos noten que dos o más pacientes tienen una infección similar y alertan a su equipo de prevención de infecciones, que luego puede revisar los registros de los pacientes para tratar de encontrar cómo se transmitió la infección.

“Nuestro proceso detecta brotes importantes que, de otro modo, pasarían desapercibidos para el control tradicional de prevención de infecciones”

"Este es un proceso increíblemente laborioso que a menudo depende de que los ocupados trabajadores de la salud noten una infección compartida entre pacientes para empezar", afirma otro de los autores, Alexander Sundermann, coordinador de Investigación Clínica y estudiante de doctorado en la Facultad de Medicina de la Universidad de Pittsburgh. “Eso podría funcionar si los pacientes están en la misma unidad de un hospital, pero si esos pacientes están en diferentes unidades con diferentes equipos de atención médica y el único vínculo compartido es una visita a una sala de procedimientos, las posibilidades de que ese brote se detecte cae dramáticamente".

Desde noviembre de 2016 a noviembre de 2018, el UPMC Presbyterian Hospital ejecutó EDS-HAT con un retraso de seis meses para algunos patógenos infecciosos seleccionados que a menudo se asocian con infecciones adquiridas por atención médica en todo el país, mientras continúa con los métodos tradicionales de prevención de infecciones en tiempo real. Después, el equipo investigó qué tan bien se desempeñaba EDS-HAT.

EDS-HAT detectó 99 grupos de infecciones similares en ese período de dos años e identificó al menos una ruta de transmisión potencial en el 65,7% de esos grupos. Durante el mismo período, la prevención de infecciones utilizó la secuenciación del genoma completo para ayudar en la investigación de 15 brotes sospechosos, dos de los cuales revelaron infecciones genéticamente relacionadas.

Si EDS-HAT se hubiera estado ejecutando en tiempo real, el equipo estima que se podrían haber prevenido hasta 63 transmisiones de una enfermedad infecciosa de un paciente a otro. También le habría ahorrado al hospital hasta 692.500 dólares.

En un estudio de caso, EDS-HAT encontró un brote de Enterococcus faecium resistente a la vancomicina que se remonta a un procedimiento de radiología intervencionista que implicaba la inyección de contraste estéril que se realizaba de acuerdo con las instrucciones del fabricante. Debido a que EDS-HAT detectó el brote, el UPMC alertó al fabricante sobre las instrucciones que llevaron a prácticas de esterilización defectuosas.

“En ese caso, EDS-HAT conectó los puntos entre las infecciones de pacientes aparentemente inconexas que ocurren en diferentes unidades hospitalarias, deteniendo ese brote pero también potencialmente previniendo brotes similares en otros hospitales”, aclara Harrison. "Ese ejemplo encapsula el valor de EDS-HAT".

UPMC planea introducir EDS-HAT en tiempo real en el UPMC Presbyterian Hospital y espera que esta innovación beneficie a otros programas de prevención y control de infecciones en el futuro. Y el EDS-HAT original, que se centró principalmente en patógenos bacterianos resistentes a los medicamentos, pronto se expandirá para incorporar la secuenciación de virus respiratorios, incluida la Covid-19.

Porque salud necesitamos todos... ConSalud.es

Escribir un comentario (0)

Recibe la Newsletter de ConSalud.es

Todos los días y de forma gratuita la newsletter con toda la información del sector sanitario

Esta web utiliza 'cookies' propias y de terceros para ofrecerte una mejor experiencia y servicio. Más información Acepto