La tuberculose (TB) continue d’être l’une des dix principales causes de décès dans le monde avec plus de 1,3 million de décès signalés en 2020. L’émergence et la propagation de formes résistantes aux médicaments de la maladie ont compliqué le contrôle de la tuberculose dans de nombreux contextes. Le fait que le traitement de la tuberculose résistante aux médicaments est difficile (le taux de réussite était de 57 % en 2019), prolongé (le traitement peut prendre de 9 à 20 mois) et multiforme (le traitement nécessite souvent plusieurs antibiotiques qui ont des effets secondaires graves) ajoute au défi. ).
Une classe critique d’antibiotiques pour le traitement de la tuberculose résistante aux médicaments sont les fluoroquinolones, qui forment l’épine dorsale de la plupart des schémas thérapeutiques antituberculeux résistants aux médicaments. Cependant, les souches de tuberculose ont évolué pour devenir résistantes aux fluoroquinolones, ce qui compromet l’efficacité des schémas thérapeutiques qui incluent cette classe d’antibiotiques. Les meilleures options de traitement pour les patients atteints de tuberculose résistante aux médicaments sont idéalement déterminées à l’aide de tests de sensibilité aux médicaments, qui peuvent déterminer de manière phénotypique l’efficacité des antibiotiques contre une souche particulière de tuberculose. Cependant, ces tests sont rares dans les milieux à faibles ressources et à charge élevée, ce qui signifie que les personnes de ces régions ne peuvent pas recevoir de traitement spécialisé qui peut mieux traiter leur tuberculose. De plus, même s’ils sont disponibles, les tests phénotypiques peuvent prendre jusqu’à 12 semaines pour fournir des résultats.
Reza Yaesoubi, professeur adjoint de politique de santé à la Yale School of Public Health, et son équipe de chercheurs ont travaillé sur des modèles pour prédire la résistance aux fluoroquinolones, ce qui pourrait accélérer le processus de prestation de soins optimaux. En travaillant avec les données nationales sur la tuberculose recueillies en République de Moldavie, l’équipe a évalué si les facteurs démographiques et cliniques pouvaient être utilisés comme prédicteurs de la résistance de la tuberculose aux fluoroquinolones. Ils ont constaté que des informations telles que l’âge, l’emplacement géographique et si la maladie tuberculeuse était nouvelle ou s’il s’agissait d’une rechute servaient de prédicteurs fiables de la résistance. À partir de là, ils ont ensuite créé un modèle via l’apprentissage automatique pour estimer la probabilité que le patient soit infecté par une souche de tuberculose résistante à la fluoroquinolone.
“L’un des principaux avantages de ces modèles prédictifs est qu’ils peuvent être déployés au point de service pour permettre aux cliniciens d’optimiser le schéma thérapeutique en attendant le résultat des tests de sensibilité aux médicaments, ce qui peut prendre jusqu’à 12 semaines”, a déclaré Yaesoubi. .
Contrairement à la stratégie actuelle de traitement de la tuberculose résistante aux médicaments, qui suppose initialement une sensibilité aux fluoroquinolones, le modèle de Yaesoubi explique comment les circonstances des individus influencent la probabilité de résistance aux fluoroquinolones et quand des antibiotiques alternatifs (tels que le delamanide) doivent être utilisés à la place.
Grâce à une analyse et à des tests rigoureux, les chercheurs ont découvert que le nouveau modèle présentait un avantage net statistiquement plus élevé dans la désignation du traitement approprié pour les patients atteints de tuberculose résistante aux médicaments. Ces découvertes promettent un système qui permettra un meilleur traitement des patients tuberculeux, a déclaré Yaesoubi. Pour l’avenir, il espère étendre le modèle au-delà des données recueillies auprès de la République de Moldavie pour inclure d’autres régions sous-financées et à forte charge.
“Nous prévoyons d’étudier si des modèles prédictifs similaires peuvent être développés pour d’autres classes critiques d’antibiotiques et pour d’autres pays à forte charge de tuberculose résistante aux médicaments”, a-t-il déclaré.
L’étude paraît dans Santé numérique PLOS.
Référence: You S, Chitwood MH, Gunasekera KS, et al. Prédire la résistance aux fluoroquinolones chez les patients atteints de tuberculose résistante à la rifampicine à l’aide de méthodes d’apprentissage automatique. Santé numérique PLOS. 2022;1(6):e0000059. est ce que je: 10.1371/journal.pdig.0000059
Cet article a été republié à partir de ce qui suit matériaux. Remarque : le matériel peut avoir été modifié pour la longueur et le contenu. Pour plus d’informations, veuillez contacter la source citée.
