MALDI-TOF y resistencia heterogénea de Staphylococcus aureus a la meticilina

 

img01

Staphylococcus aureus con resistencia heterogénea a la vancomicina (hVISA) es una especie emergente. Detectar el hVISA puede guiar la correcta administración de antibióticos; sin embargo, el hVISA no se puede detectar en la mayoría de los laboratorios de microbiología clínica porque las técnicas de diagnóstico necesarias son costosas, requieren mucho tiempo o mucha mano de obra. Por el contrario, el sistema MALDI-TOF es una técnica rápida y rentable que tiene el potencial de proporcionar información de resistencia a los antibióticos. Para analizar los espectros de masas MALDI-TOF complejos, se pueden utilizar algoritmos de aprendizaje automático (ML) para generar modelos de detección de hVISA seguros.

Hsin-Yao Wang (Department of Laboratory Medicine, Chang Gung Memorial Hospital at Linkou, Taoyuan, Taiwan), como primer firmante, y otros seis autores más de Taiwan y centros de China, han publicado en Frontiers in Mirobiology un estudio sobre la resistencia heterogénea intermedia a la vancomicina de Staphylococcus aureus basándose en el sistema MALDI-TOF (Matrix-Assisted Laser Desorption Ionization Time-of-Flight), utilizando un método de aprendizaje automático y validación imparcial

img02

En el estudio, los espectros de masas del MALDI-TOF se obtuvieron a partir de 35 S. aureus hVISA (vancomicina-intermedia) y 90 aislados de S. aureus sensible a la vancomicina. La sensibilidad a la vancomicina de los aislados se determinó utilizando un Etest y un perfil de análisis de población modificado como es el área bajo la curva. Los algoritmos ML, a saber, un árbol de decisión, los vecinos más cercanos a k, un conjunto aleatorio y una máquina de vectores de soporte (SVM), se capacitaron y validaron utilizando validación cruzada anidada para proporcionar resultados de imparciales.

El área bajo la curva de los modelos varió de 0,67 a 0,79, y el modelo derivado de SVM superó a los de los otros algoritmos. Los picos en m/z 1132, 2895, 3176 y 6591 se anotaron como picos informativos para detectar hVISA/VISA. Los autores demostraron que hVISA/VISA podría detectarse mediante el análisis de espectros de masas MALDI-TOF utilizando ML.

Los resultados son particularmente sólidos debido a un método de validación estricto. Los modelos ML en este estudio pueden proporcionar informes rápidos y precisos con respecto a hVISA/VISA y, por lo tanto, guiar la administración correcta de antibióticos en el tratamiento de la infección por S. aureus.

img03

En conclusión, los modelos de ML propuestos, validados por un buen método de evaluación de modelos, distinguieron con éxito las “superbacterias” emergentes (hVISA/VISA) de VSSA, que no se pueden detectar en la mayoría de los laboratorios de microbiología clínica. Al utilizar técnicas rentables MALDI-TOF y ML, se dispone de la oportunidad de ofrecer un tratamiento rápido y preciso para el SARM.

 

Wang H.Y., et al. Rrapid detection of heterogeneous vancomycin-intermediate Staphylococcus aureus based on Matrix-Assisted Laser Desorption Ionization Time-of-Flight: Using a machine learning approach and unbiased validation. Front Microbiol 2018; 9:2393. doi: 10.3389/fmicb.2018.02393.