Harnwegsinfekt: Antibiotikaresistenzen mit Algorithmus vorhersagbar

Israelische Wissenschaftler haben einen Algorithmus entwickelt, mit dem der Einsatz von Antibiotika im Hinblick auf mögliche, bei dem Patienten bestehende Antibiotikaresistenzen bei Harnwegsinfektionen vorhersagbar ist.

Antibiotikaresistenzen sind bei bakteriellen Pathogenen von Harnwegsinfektionen weit verbreitet. Eine antimikrobielle Behandlung wird jedoch oftmals „aus der Erfahrung heraus“ verschrieben. Wird keine Antibiotika-Sensitivitätsprüfung durchgeführt, besteht aber das Risiko einer unpassenden, ineffektiven Behandlung.

Die Autoren verwendeten einen Datensatz von 10 Jahren, in dem mehr als 700.000 ambulant erworbene Harnwegsinfektionen mit mehr als 5 Mio. Verschreibungen von Antibiotika aufgezeichnet waren.

Bei der Analyse der Daten konnten die Forscher starke Assoziationen zwischen den Antibiotikaresistenzen und der Demografie, Aufzeichnungen über vorherige Urinkulturen und der Vorgeschichte der Antibiotikaeinnahme der Patienten identifizieren.

Wurden die Daten miteinander kombiniert, so ermöglichten diese Assoziationen per Algorithmus auf maschinellem Lernen basierende personalisierte arzneimittelspezifische Vorhersagen der Antibiotikaresistenzen.

So könnte der Arzt eine Antibiotikatherapie verschreiben, die entsprechend der zu erwartenden Antibiotikaresistenzen anhand jeder Patientenprobe separat empfohlen werden kann.

Bei retrospektiver Verwendung dieser Algorithmen über einen Testzeitraum von einem Jahr stellten Yelin und seine Kollegen fest, dass ihr Algorithmus das Risiko einer nicht zutreffenden Behandlung im Vergleich zum aktuell geltenden Behandlungsstandard erheblich verringern konnte.

Fazit
Mittels eines Algorithmus können personalisierte arzneimittelspezifische Vorhersagen der Antibiotikaresistenzen erfolgen. (sh)

Autoren: Yelin I et al.
Korrespondenz: Roy Kishony; [email protected]
Studie: Personal clinical history predicts antibiotic resistance of urinary tract infections
Quelle: Nat Med 2019;25(7):1143–1152.
Web: https://doi.org/10.1038/s41591-019-0503-6