TEL   :020-34438810     18027152056
Email:  info@magigen.com

LAMP扩增技术、CAS蛋白、基因分型检测、逆转录酶、CDMO服务


美格生物
MAGIGEN
最新文章
生物技术及产业新闻

如何预防医院感染爆发?基因测序和机器学习新技术可以大幅提高医院感染的预防效率

作者:Magigen

由美国匹兹堡大学研究人员领导的一个小组已经开发出一种基因组测序和基于机器学习的策略,用于识别和预防医院感染,效果优于传统的医院感染预防方法。

这种被称为“医院传染增强检测系统”(EDS-HAT, Enhanced detection system for healthcare-associated transmission)的方法,目前采用全基因组测序技术进行监测,以确定最常在医院环境中发现的一系列细菌病原体,再利用机器学习方法,对电子健康记录EHR数据进行分析,将范围缩小至治疗程序、暴露或与发生的感染相关的医院部分。

匹兹堡大学和UITT公共卫生研究院的研究人员哈里森指出:“这种方法在识别还未被检测到的医院感染暴发是非常有效的。我们使用机器学习部分来找出什么是导致感染爆发的原因。通过测序发现疫情传播途径是怎样的。”

尽管以前基因组测序曾被用于了解与医院感染爆发有关的微生物及其传播模式,但这种方法通常用于了解已经结束的特定感染爆发的轨迹。

哈里森指出:“我们历史上发现疫情的方式基本上是医院里有人注意到一些不寻常的事情,比如说,在一个护理病房里,一簇特定的有机体。当他们注意到爆发时,他们会要求我们的实验室对细菌进行测序,以确认是否有感染爆发。”   

虽然这种反应性测序策略可以提供对之前发生的疫情进行研究,但它们往往效率低下,在发现或阻止正在加速的疫情方面也很慢。

相比之下,哈里森和他的同事推断,电子健康记录数据提供了更广泛的测序数据,可以帮助更快地发现潜在的疫情,并作出反应。

对于EDS-HAT系统,如果患者住院时感染了一种EDS-HAT关注的微生物,研究人员会对其进行测序,不管人们认为感染是否爆发。

基因组测序与机器学习相结合,将重点放在可能未被注意到的暴发原因上——从共享的医疗程序,到多个感染患者共同接触的污染表面。

EDS-HAT的两个组成部分都是必不可少的:全基因组测序监测用于在看似无关的患者之间找到共同点,发出爆发信号,机器学习结合感染预防专家的审查,确定传播途径。哈里森和他的同事的研究成果在上周发表在《临床传染病》杂志上。

为了原理验证研究,研究小组在2016年11月和2018年11月期间,在匹兹堡大学医学中心长老会医院将EDS-HAT与常规感染预防进行了比较。

EDS-HAT的全基因组测序和中心的其他感染暴发测序通常是通过Illumina短读技术完成的,而在某些特定的情况下,EDS-HAT使用Pacific Biosciences的长读和杂交组装方法。

该方法可应用于一系列样本类型,具体取决于患者的病情和已使用的临床工作流程。

在这两年期间,研究团队在EDS-HAT框架内对2752名不同患者的近3200株临床分离株进行了测序,从99个集群感染或院感爆发中识别出297株相关微生物,涉及EDS-HAT目前针对的几种高风险物种和菌株。

哈里森说:“我们选择了影响较大的菌种,因为我们想把重点放在那些我们有资源进行测序的基因上。”在有资源的情况下,可以对更多的微生物进行测序。

事实上,该团队正处于相关EDS-HAT方法应用的早期阶段,该方法适用于细菌,无论涉及何种物种,该方法尚未得到验证。

该小组还获得了额外资金,继续开发EDS-HAT方法,不仅可以发现细菌感染,还可以发现涉及呼吸道病毒的感染,这一应用将涉及从具有足够病毒载量的临床样本直接测序。

“我相信,我们将发现的东西与我们在EDS-HAT的细菌方面发现的东西类似,”哈里森说,“我们将发现我们不知道的传播途径。”

当涉及到目前研究中发现的细菌爆发时,研究人员在患者出院后的第一周或一个月内看到了数十例相关的再入院病例。他们还追溯了99次疫情中65次的明显传播途径。

第一作者桑德曼博士介绍说,利用EDS-HAT方法,感染爆发规模从一个较小的两名患者到14名患者不等。

在同一时间段内,更传统的感染预防方法发现了15起疑似疫情的时候,已经影响了133名患者,随后对这些患者进行了测序测试,尽管只有少数涉及基因相关细菌的传播事件得到确认。

他指出:“这确实表明传统的方法相当不准确,而我们的方法捕捉到了很多当时未被发现的疫情。”

这些暴发的感染包括一系列万古霉素耐药屎肠球菌感染,这些感染在几个医院单位和几个月内蔓延,源于介入科的治疗程序。这些感染似乎是由一种并非无菌的对比剂制剂引起的,该制剂在患者手术前被注射到患者体内。

“发生的程序是按照制造商的建议进行的,我们没有看到手部消毒处理,”他指出。“一旦我们进行干预,并采取了一些手部预防措施,我们就再也看不到与感染相关的病例了。”

该研究小组在早期的临床传染病研究中公布了这次疫情的发现。除了对医护人员进行有关疫情来源的教育,并推荐医院使用的更多无菌方法外,作者还提醒相关公司注意这一潜在的感染问题。

桑德曼说:“这显示了使用EDS-HAT的效用,因为它以前从未被捕获过,我们不知道这种感染的情况会持续多久。我们从来没有听说过介入科导致院感爆发,所以我们很高兴分享并发表这一消息,因为我们非常确定美国和世界各地的其他医院都发生过这种情况。”

在匹兹堡大学医学中心长老会医院的EDS-HAT研究中,与现有的感染预防方法相比,该方法还成本节约,因为它可以帮助更多的患者躲过可能需要额外治疗的感染,甚至可能延长的在医院的时间。

哈里森说,这项研究的算法使用了一些特定的假设,需要有基因组测序能力的研究部门的医院或医疗中心。该团队正在进行相关分析,研究在没有广泛测序能力的医院进行基于EDS HAT的感染预防的成本计算,和考虑其他因素。

哈里森解释说:“我们将以逐步的方式进行。现在,我们已经展示了系统的价值,我们正在改变实验室的工作流程,以进行实时测序。我们开始将EDS-HAT作为实时工具来实施。”

由于许多医院尚不具备独立实施EDS-HAT等系统所需的测序能力和相关资源,因此研究人员也考虑潜在的商业化战略,以在早期阶段覆盖更多医疗中心。哈里森说,商业化的模式还有待观察,可能在某种程度上取决于特定医疗环境已经具备或可用的基因组测序能力。

例如,在具有全基因组测序能力或与商业测序实验室有测序协议的医院,该团队可能会提供其分析算法或数据挖掘服务,而其他站点可能会寻找测序和分析服务。

不同的医院可能有不同的模式。

该团队还对其他医疗中心基于基因组测序的传染病监测进行回顾,目的是要将测序确定为了解单一生物体特定爆发事件的回顾性工具。

“我们发现,所有进行基因组测序的医院都发现了原来被忽视的感染爆发,”他指出EDS-HAT的机器学习方面似乎使其与过去使用的方法有了更大的区别。


返回首页

相关阅读

如何利用机器学习对胎儿先天性心脏病进行诊断


分享到:
会员登录
登录
我的资料
我的收藏
留言
回到顶部