この状態は深刻で、最悪はわずか12時間で命を奪うこともあるが、血液感染症において敗血症を引き起こす細菌を決定的に特定するには、従来の多くの方法で2日から7日かかるのが実情である。
ペンシルベニア州立大学のエンジニアが率いるチームは、診断に日数を要する時間軸を数時間へと凝縮する方法を開発した。新しいアプローチは、採取された血液サンプルに含まれる細菌を急速に増殖させ、サンプルを断続的に高度な技術で分析することで、感染の原因となる特定の病原体を同定するのを助ける。Science Advances に掲載された論文で、彼らのアプローチが診断を迅速化し、感染を起こす細菌株の抗生物質耐性の悪化を防ぐ臨床判断を支援する可能性があると報告されている。
「血流感染症の適時管理において、医師にとって“この感染症を引き起こした正確な原因は何か、どのように治療すべきか”という質問が最も重要です」と、対応著者のパク・キン・ウォン博士は、生物医学工学および機械工学の教授として語った。「私たちは、血流感染症を引き起こす具体的な細菌と、それを治療するのに最適な抗生物質を、敗血症が始まる前に医師へ迅速に伝える包括的な診断プラットフォームを開発しています。」
血流感染症の場合、原因をできるだけ早く見つけて中和することが、体内で敗血症反応を引き起こす前に極めて重要だとウォンは説明する。医師は細菌の存在を検出するだけでなく、特定の病原体を同定し、治療に最適な抗生物質を選択する必要がある。偽陽性や偽陰性の深刻なリスクは、血流感染症の治療に時間がかかるほど重大になるとウォンは指摘する。
「これは特定のウイルスが患者の体内にいるかを調べるCovidテストのようなものではありません」とウォンは説明する。「敗血症を引き起こす細菌は多様で、それぞれ治療への反応が異なる可能性があります。したがって、最良の治療を処方するには、分析を徹底する必要があります。」
血流感染は、入院につながる全敗血症症例の約40%を占める。血液の複雑な生物学的組成と、敗血症を引き起こすのに必要な低い病原体負荷のため、感染の原因を特定する作業は時間を要する。血流感染を引き起こす細菌を同定するには、現行の最良プラクティスとして菌培養が要求される。血液サンプルは数日間培養され、存在する細菌が測定可能なレベルまで成長する。その後、技術者はサンプルをさらに分析して特定の細菌を同定するが、診断にはさらに1日から2日を要する。
培養後の特定のエンドポイントでサンプリングするのではなく、培養過程の複数の時点でサンプルを収集します。このアプローチは、堅牢な細菌検出を維持しつつ、結果までの時間を短縮します
パク・キン・ウォン
血流感染症の診断を合理化すること自体は新規のアイデアではなく、培養を伴わない血液検査をすでに市場に提供している商用製品がいくつかある。しかし、診断時間を短縮するには、これらの製品は包括性と感度の両方で劣る読み取りしか提供できないとウォンは述べている。
診断を迅速化しつつ正確性を犠牲にしないため、チームは培養の再考を迫られた。従来、培養血液サンプルの細菌成長は、細菌が放出する二酸化炭素の量増減を通じて測定される。二酸化炭素の変化が病原体の存在を示すと、細菌は血液サンプルから分離され、分析される。チームの新しいアプローチ、STREAMと呼ばれる方法は、培養中の迅速な細菌成長を促進しつつ、内部の病原体を同時に分離・分析することで、培養を高速化する。血液サンプルは培養中に、全血球とサンプル中の個々の細菌を分離する特別な「ブロス」により混合される。
分子分析、正式にはバーコーディングと呼ばれるこのプロセスにより、分離された細菌から微小な遺伝情報の断片を検出できる。培養中の断続的な小さなサンプルから、研究者は存在する特定の細菌種を名指しできる。 「培養後の特定のエンドポイントでサンプリングするのではなく、培養過程の複数の時点でサンプルを収集します」とウォンは述べた。「このアプローチは、結果までの時間を短縮しつつ、堅牢な細菌検出を維持します。」
これらの小さなサンプルは、細菌を顕微鏡で観察できる単一細胞ベースの新しい技術の一連に付される。これらの画像は、チームが開発したコンピューターアルゴリズムによって視覚的な雑音を除去するように解析され、感染を引き起こす特定の細菌を医師が特定できるよう支援する。これらの解析は、菌株がどの抗生物質に感受性を持つか、既存の抗生物質耐性があるかどうかを示唆することもある。
チームは、患者から提供されペンシルベニア州立ヘルシー医療センターの臨床微生物学検査室に保管されていた約100例の陽性血流感染サンプルを用いてこの方法を検証した。研究者らは、これらの技術を組み合わせることで、全血から感染を引き起こす病原体を自信をもって同定する包括的な診断を、最短で7時間程度で提供できることを見出した。
「私たちのチームが開発した単一細胞分析技術を用いることで、非常に低濃度であっても血液中の病原体を正確に同定できます」とパク・キン・ウォンは語る。「病原体を同定するだけでは不十分であり、それを相手にする抗生物質が有効かどうかを判断する必要があります。これが同じプロセスへ抗生物質耐性試験を組み込むきっかけとなり、医師が最も適切な治療を選択するための情報を提供しました。」
ウォンは、これらのサンプルのわずか4％強が「非常に大きな誤り」と分類され、抗生物質に対して耐性ありまたは感受性ありと誤って同定され、処方された治療が効果を欠く可能性があることに留意することが重要だと述べた。研究チームは、臨床導入前に対処すべき大きな障壁がいくつかあることを認識している—この comparatively 高い重大誤差率や、すでに抗生物質を投与された患者の血液を検査する際に発生し得る困難など—があるものの、この枠組みは世界の死因の一つである敗血症を、これまで以上に速く検出し治療するための有望な基盤を提供している。
「私たちは人工知能とラボ自動化を統合して、全体のプロセスをさらに効率化・正確化しています」とウォンは述べた。「この枠組みは拡張性があるため、検出可能な病原体のリストを実際に拡大できると考えています。我々はこのアプローチを、バクテリア以外の感染症、例えば真菌感染症といった起源を特定する用途にも適用できると信じています。ペンシルベニア州立医科大学の医師と密接に協力し、臨床研究をさらに重ね、最終的には臨床採用へと進めたいと考えています。」
ペンシルベニア州立大学に所属する他の共著者には、病理学・検査医療学の准教授であるApril M. Bobenchik、研究時点で生物工学の博士課程の学生だったSiew Mei Chinはその後卒業し現在はスタンフォード大学医学部のポスドク研究員、Evgenii Kovtunovは当時のポスドク研究員で現在はロチェスター大学の公衆衛生微生物学フェロー、Emma Epiphaniouは当時の学部生の研究者で、ペンシルベニア州立大学で生物医学工学の学士号を取得している。他の共著者には、救急医学の教授 Samuel Yang、泌尿器学の教授 Joseph C. Liao、上級研究科学者 Kathleen E. Mach が含まれ、いずれもスタンフォード大学医学部の所属である。
出典：ペンシルベニア州立大学
