Алгоритм помогает врачам подобрать правильный антибиотик при инфекциях мочеполового тракта

Антибиотики известны как лекарства, которые работают тем меньше, чем чаще мы их используем. Одна из тем, которая особенно актуальна в этом контексте - это инфекции мочевыводящих путей (ИМВП), от которых страдает половина всех женщин и которые только в США добавляют почти $4 млрд в год к ненужным расходам на здравоохранение.

Врачи часто лечат это заболевание с помощью антибиотиков, называемых фторхинолонами, которые являются недорогими и в целом эффективными. Однако было установлено, что они также подвергают женщин риску заражения другими инфекциями, такими как Clostridium difficile (C.diff)* и стафилококк, а также ассоциируются с более высоким риском повреждения сухожилий и опасными для жизни заболеваниями, такими как надрывы аорты.

В связи с этим во многих странах используются руководящие документы, рекомендующие использование фторхинолонов в качестве "препаратов второго ряда", которые следует применять пациенту только в тех случаях, когда другие антибиотики неэффективны или имеют неблагоприятные реакции. Это, однако, не помешало многим врачам с ограниченным временем и ресурсами продолжать их очень часто назначать.

Команда, возглавляемая учеными из Массачусетского технологического института (МТИ), считает, что здесь открываются возможности для использования системы, основанной на использовании данных, которая может помочь врачам принимать более безопасные и индивидуализированные решения для пациентов.

В новой работе ученые представляют алгоритм, предсказывающий вероятность того, что ИМВП пациента может быть вылечена антибиотиками первой или второй линии. На основе этой информации модель затем дает рекомендации по конкретному лечению, которое максимально часто выбирает препарат первого ряда, не приводя к избыточному количеству неудач в лечении.

Команда показала, что модель позволит врачам сократить использование антибиотиков второго ряда на 67%. Для пациентов, для которых врачи выбрали препарат второго ряда, но алгоритм выбрал препарат первого ряда, препарат первого ряда в конечном итоге работал более, чем в 90% случаев. Когда врачи выбирали неподходящий препарат первого ряда, алгоритм выбирал подходящий препарат из этого же ряда почти в половине случаев.

Обычно, даже когда инфекция подтверждена, конкретные бактерии все еще неизвестны, что затрудняет выбор плана лечения. Именно здесь и можно применять алгоритм, который использует данные электронной медицинской карты от более чем 10 000 пациентов из больницы Brigham & Women, а также Массачусетской общей больницы.

В статье, опубликованной в журнале Science Translational Medicine, описана система, использующая алгоритм пороговой сегментации (thresholding algorithm), который, как надеются ученые, будет интуитивно понятен врачам, часто сталкивающихся со сходной дилеммой: как сбалансировать потребность в эффективном лечении с желанием свести к минимуму использование антибиотиков второй линии. Они также структурировали свою модель таким образом, чтобы она была непосредственно встроена в систему электронных медицинских карт, устраняя ненужные шаги и дополнительные рабочие процессы.

Ученые отмечают, что они не тестировали свой алгоритм на более сложных формах инфекций мочеполовых путей, которые включают в себя ранее существовавшие осложнения, и что окончательное доказательство полезности может быть оценено только с помощью рандомизированного контролируемого исследования. Тем не менее, они говорят, что  подавляющее большинство случаев ИМВП совместимы с системой.

* Clostridium difficile - вид анаэробных спорообразующих грамположительных бактерий из семейства Peptostreptococcaceae класса Clostridia. C. difficile является главным возбудителем псевдомембранозного колита, тяжёлого инфекционного заболевания прямой кишки, часто возникает в случае уничтожения флоры кишечника из-за использования антибиотиков. Эта инфекция является, в частности, серьезной угрозой в больничной среде, которая удлиняет время пребывания многих больных в стационаре, а также становится причиной смерти некоторых из них.