DOOR STEIJN VAN SCHIE_ - DFID - Mathew Stracy e.a. - Graham Beards - 26-02-2022 - Microbiologie
Het op een petrischaal uittesten van bacteriestammen is nog steeds een belangrijke toets voor het optreden van resistenties tegen antibiotica. Foto: DFID - UK Department for International Development
Door antibiotica krijgen resistente bacteriën opeens vrij baan om een herinfectie te veroorzaken; een zelflerend algoritme anticipeert hierop en kan antibioticagebruik mogelijk terugdringen.
Een zelflerend algoritme kan in de toekomst antibioticabehandeling zodanig personaliseren dat het de kans op herinfecties met resistente bacteriën bij patiënten minimaliseert. Proof of concept hiervoor leveren Amerikaanse en Israëlische onderzoekers met een model op basis van infectiegeschiedenis, demografische gegevens en eerdere antibioticabehandelingen van mensen met een wond- of urineweginfectie (Science, 25 februari). Mogelijk kan het algoritme antibioticagebruik verminderen, en daarmee ook de opkomst en verspreiding van resistente pathogenen.
STRATEGIE
‘Dit is voor de nabije toekomst echt een goede strategie’, meent Gilles van Wezel, hoogleraar moleculaire biotechnologie aan de Universiteit Leiden en niet betrokken bij het onderzoek. ‘Nu komen patiënten na een blaasontsteking soms terug voor een tweede, derde of zelfs vierde behandeling, telkens met een ander antibioticum. Dat wil je natuurlijk niet.’
Momenteel zetten artsen een pathogene bacterie op kweek om te achterhalen waar hij gevoelig voor is; de selectie van het precieze antibioticum gebeurt vervolgens min of meer willekeurig. Herinfecties komen relatief veel voor; ongeveer 25 procent van de vrouwen hebben er binnen zes maanden na behandeling van een urineweginfectie mee te maken.
Overzicht resistentiepercentages van bacterie-isolaten van urinewegontstekkingen voor de acht meest voorgeschreven antibiotica, uitgesplitst voor alle bacteriesoorten (bovenste rij) en voor de vier meest voorkomende soorten (onderste vier rijen). Illustratie naar: Mathew Stracy e.a., Science 25 februari 2022.
De drijfveer daarachter zijn opportunitische bacteriestammen die al resistent zijn tegen het gebruikte antibioticum, maar voorheen nog verborgen lagen in iemands microbioom – dat concluderen de onderzoekers door de genomen van bacteriën betrokken bij initiële infectie en herinfecties met elkaar te vergelijken. Oftewel: het antibioticum veegt het microbioom van de patiënt inclusief ziekmaker schoon, waarna een voorheen latent aanwezige en resistente bacteriestam opeens vrij baan krijgt om een infectie te veroorzaken.
ALGORITME
Met een zelflerend algoritme proberen de onderzoekers te voorspellen welk antibioticum dergelijke herinfecties bij een patiënt zoveel mogelijk kan voorkomen. Daarbij maakt het algoritme gebruik van verschillende patiëntgegevens, waaronder infectiegeschiedenis, eerder antibioticagebruik, leeftijd, geslacht, herkomst, zwangerschapsstatus en kathetergebruik. Daar rolt vervolgens een soort ‘antibioticumadvies’ uit, hoewel de onderzoekers het zelf nog niet zo durven te noemen.
‘Je kunt natuurlijk niet voor elke patiënt het hele microbioom in kaart brengen, maar een dergelijk algoritme kan een elegant alternatief zijn om te anticiperen op de reeds aanwezige antibioticaresistentie in iemands microbioom’, denkt Van Wezel. ‘Als een patiënt uit een land komt waar antibiotica veel voorgeschreven worden, is de kans groter dat deze penicillineresistente bacteriën bij zich heeft. Zo zijn er allerlei voorspellende factoren waar je een algoritme op los kunt laten. De data en de techniek zijn er inmiddels, dit is hét moment om dit soort dingen in te gaan voeren.’
Een standaard test voor antibioticaresistentie op petrischalen met voedingsbodems: de bacteriën in de linker cultuur zijn gevoelig voor de antibiotica afkomstig van de witte ronde papiertjes. De bacteriën in de rechter cultuur zijn multiresistent. Foto: Dr Graham Beards (CC BY-SA 4.0)