L’intelligenza artificiale nella gestione degli antibiotici

I programmi di gestione degli antibiotici sono sforzi coordinati per garantire che i pazienti ricevano l’antibiotico, la dose e la durata corretti e nessun antibiotico quando non è necessario. Negli Stati Uniti, gli standard della Joint Commission e le condizioni federali di partecipazione al Medicare richiedono che siano gestiti dagli ospedali. Le strategie comuni includono audit e feedback prospettici, in cui farmacisti e medici infettivologi esaminano le prescrizioni attive e suggeriscono modifiche. Un’altra è la preautorizzazione, secondo la quale alcuni farmaci necessitano dell’approvazione prima dell’uso. Il momento più difficile è la terapia empirica: scegliere un farmaco prima che arrivino i risultati della coltura. L'aiuto tradizionale è l'antibiogramma, una tabella estesa a tutto l'ospedale che mostra quale percentuale di ciascun organismo era suscettibile a ciascun farmaco. Ma un antibiogramma è una media e non dice nulla della persona che hai di fronte. Un paziente con due precedenti colture di urina resistenti e una recente esposizione alla ciprofloxacina è molto diverso da uno senza storia. I modelli di machine learning personalizzano tale stima. Utilizzano colture precedenti, antibiotici recenti, ricoveri ospedalieri, residenza in case di cura, procedure e altre condizioni. In uno studio del 2020 su Science Translational Medicine, Sanjat Kanjilal e colleghi di Boston hanno addestrato modelli sulle infezioni ambulatoriali del tratto urinario. Testato retrospettivamente, il loro algoritmo avrebbe potuto ridurre l’uso di antibiotici di seconda linea mantenendo il tasso di terapia inefficace simile o inferiore rispetto alle scelte dei medici. Una seconda linea di lavoro velocizza il laboratorio stesso. La spettrometria di massa MALDI-TOF identifica già rapidamente le specie batteriche. I ricercatori, tra cui un team svizzero che ha creato il set di dati DRIAMS, hanno addestrato modelli per prevedere la resistenza dagli stessi spettri, il che potrebbe restringere la terapia prima. Un malinteso comune è che questi strumenti riducano da soli l’uso di antibiotici. Un modello di resistenza non può dire se un paziente abbia bisogno di antibiotici. Ad esempio, non è in grado di distinguere una vera infezione da una batteriuria asintomatica. E sotto pressione per trattare una possibile sepsi, i medici possono comunque aggiungere un’ampia copertura. Gli strumenti funzionano meglio come input per il giudizio di un team di stewardship, non come sostituti dello stesso.