Vers un monde équitable et durable

Les antibiotiques sont une arme à double tranchant : d'une part, les antibiotiques sont essentiels pour guérir les infections bactériennes. De l'autre, leur utilisation favorise l'apparition et la prolifération de bactéries résistantes aux antibiotiques. Grâce à des techniques de séquençage génomique et à l'analyse par apprentissage automatique des dossiers des patients, les chercheurs ont mis au point un algorithme de prescription d'antibiotiques qui réduit de moitié le risque d'émergence d'une résistance aux antibiotiques.  

L'article, publié aujourd'hui dans Science, est le fruit d'une collaboration entre le groupe de recherche du professeur Roy Kishony de la faculté de biologie du Technion - Institut israélien de technologie et de la faculté d'informatique Henry et Marilyn Taub, et les professeurs Varda Shalev, Gabriel Chodick et Jacob Kuint du centre de recherche et d'innovation Maccabi KSM dirigé par le Dr Tal Patalon. En se concentrant sur deux infections bactériennes très courantes, les infections des voies urinaires et les infections des plaies, l'article décrit comment l'historique des infections de chaque patient peut être utilisé pour choisir le meilleur antibiotique à lui prescrire afin de réduire les risques d'apparition d'une résistance aux antibiotiques.

Le traitement clinique des infections se concentre sur l'adaptation correcte d'un antibiotique au profil de résistance de l'agent pathogène, mais même ces traitements correctement adaptés peuvent échouer car la résistance peut émerger pendant le traitement lui-même. "Nous voulions comprendre comment la résistance aux antibiotiques émerge au cours du traitement et trouver des moyens de mieux adapter le traitement antibiotique à chaque patient, non seulement pour qu'il corresponde correctement à la sensibilité actuelle du patient à l'infection, mais aussi pour minimiser le risque de récidive de l'infection et d'acquisition d'une résistance au traitement", a déclaré le professeur Kishony.

La clé du succès de cette approche a été de comprendre que l'émergence de la résistance aux antibiotiques pouvait être prédite dans les infections de chaque patient. Les bactéries peuvent évoluer en acquérant au hasard des mutations qui les rendent résistantes, mais le caractère aléatoire du processus le rend difficile à prévoir et à éviter. Cependant, les chercheurs ont découvert que dans la plupart des infections des patients, la résistance n'était pas acquise par des mutations aléatoires. Au contraire, la résistance est apparue à la suite d'une réinfection par des bactéries résistantes existantes issues du microbiome du patient. Les chercheurs ont transformé ces résultats en un avantage : ils ont proposé de faire correspondre un antibiotique non seulement à la sensibilité de la bactérie responsable de l'infection actuelle du patient, mais aussi aux bactéries de son microbiome qui pourraient la remplacer.

"Nous avons découvert que la sensibilité aux antibiotiques des infections passées du patient pouvait être utilisée pour prédire son risque de revenir avec une infection résistante après un traitement antibiotique", explique le Dr Mathew Stracy, premier auteur de l'article. "L'utilisation de ces données, ainsi que des données démographiques du patient comme l'âge et le sexe, nous a permis de développer l'algorithme."

L'étude a été soutenue par les National Institutes of Health (NIH), la Fondation scientifique israélienne dans le cadre du programme de partenariat israélien pour la médecine de précision, le programme de recherche d'excellence Ernest et Bonnie Beutler en médecine génomique, le Conseil européen de la recherche (CER), le Wellcome Trust et la Fondation D. Dan & Betty Kahn.

J'espère que l'algorithme sera appliqué sur le lieu de soins et que les médecins disposeront de meilleurs outils pour personnaliser les traitements antibiotiques afin d'améliorer les traitements et de minimiser la propagation de la résistance", a déclaré le Dr Tal Patalon.

Cliquez ici pour lire l'article dans Science