L'IA prédit le risque de décès par sepsis à l'aide des microbes sanguins et des marqueurs immunitaires
Un nouveau test combinant l'ADN microbien et les profils de gènes immunitaires surpasse les outils standard pour prédire la mortalité liée au sepsis chez les patients en soins intensifs.
Résumé
Des chercheurs ont mis au point un système d'IA qui prédit le risque de décès par sepsis en analysant à la fois le DNA microbien et les réponses immunitaires dans des échantillons de sang. Ce test s'est révélé supérieur aux systèmes de notation clinique standard, atteignant une précision de 79 % contre 69 % pour les outils actuels. Les principaux prédicteurs de mortalité comprenaient des taux élevés de DNA microbien circulant, une activation accrue des neutrophiles et une signalisation des lymphocytes T supprimée. Il s'agit du premier outil pronostique intégrant à la fois l'état immunitaire de l'hôte et la charge pathogène pour prédire l'évolution du sepsis.
Résumé détaillé
La septicémie tue plus de patients hospitalisés que toute autre pathologie, et pourtant les outils de prédiction actuels ignorent les microbes à l'origine de la maladie. Des chercheurs de l'UCSF ont développé le premier système d'IA analysant à la fois les réponses immunitaires de l'hôte et les facteurs microbiens pour prédire la mortalité liée à la septicémie, ouvrant potentiellement la voie à une révolution dans les soins intensifs.
L'équipe a étudié 321 patients en état critique, en réalisant une analyse complète d'échantillons sanguins dans les 24 heures suivant l'admission en unité de soins intensifs. Ils ont mesuré les profils d'expression génique, les taux de protéines et le DNA microbien à l'aide de techniques de séquençage avancées. Des algorithmes d'apprentissage automatique ont permis d'identifier les schémas clés distinguant les survivants des non-survivants.
Le classificateur intégré hôte-microbe a atteint une précision de 79 % (AUC 0,79) pour prédire le décès, surpassant significativement le score clinique standard APACHE-III (précision de 69 %). Les patients décédés présentaient des taux plus élevés de DNA microbien circulant, une plus grande dominance bactérienne dans le sang, une activation accrue des gènes des neutrophiles et une suppression des voies de signalisation des lymphocytes T. Des taux élevés d'IL-8 sont apparus comme le meilleur prédicteur individuel.
Cette approche comble une lacune critique dans la prise en charge de la septicémie. Bien que les antibiotiques demeurent la seule intervention dont l'efficacité sur la survie soit prouvée, les outils de prédiction actuels reposent uniquement sur des variables cliniques ou des biomarqueurs de l'hôte, ignorant la cause infectieuse. Le nouveau système offre une vision plus complète en évaluant simultanément le dysfonctionnement immunitaire et la charge pathogène.
Ces résultats pourraient permettre d'identifier plus précocement les patients à haut risque, d'orienter le choix des antibiotiques et d'éclairer les décisions relatives aux interventions intensives. Cependant, l'étude ayant été menée dans deux centres médicaux universitaires, une validation plus large auprès de populations diversifiées et dans différents contextes de soins est nécessaire avant toute mise en œuvre clinique.
Principales conclusions
- AI combining microbial DNA and immune markers predicted sepsis death with 79% accuracy
- Higher circulating microbial DNA mass strongly associated with mortality risk
- Neutrophil activation genes increased while T-cell signaling decreased in non-survivors
- IL-8 protein levels showed strongest association with death among cytokines tested
- New classifier outperformed standard APACHE-III clinical scoring system
Méthodologie
Étude de cohorte prospective portant sur 321 adultes en état critique, avec des échantillons sanguins prélevés dans les 24 heures suivant l'admission en unité de soins intensifs. L'étude a eu recours au séquençage RNA pour l'expression génique, à la protéomique pour les cytokines, et au séquençage métagénomique pour l'analyse de l'ADN microbien, avec classification par apprentissage automatique.
Limites de l'étude
Étude menée dans deux centres médicaux universitaires, ce qui limite sa généralisabilité. Une validation auprès de populations diversifiées et dans différents contextes de soins est nécessaire. La complexité technique de l'analyse multi-omique peut limiter son application clinique immédiate.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :