脓毒症治疗每延迟一小时，死亡风险就增加7倍
6%，突出了快速检测的必要性
功劳:卡米洛·希门尼斯 汉考克实验室和UBC大学微生物和免疫学系的研究人员开创了利用机器学习快速检测败血症的突破性进展
脓毒症是世界上最大的杀手之一，导致全球五分之一的死亡，包括严重的新冠肺炎病，但很难早期发现
它被定义为身体对感染的功能失调反应，并有多种症状——包括发烧、疲劳、过度换气和心率加快——这些症状起初可能是由其他疾病引起的
“这项新技术前所未有地剖析了脓毒症相关的功能失调的免疫反应，为任何类型的脓毒症相关的生物学过程提供了新的见解，包括来自新冠肺炎的，”领导这项分析的汉考克实验室的研究生Arjun Baghela(他/他)说
“人们对脓毒症了解不多，但在2020年，威胁生命的脓毒症死亡人数可能远高于五分之一，因为几乎每个死于新冠肺炎的人实际上都死于脓毒症
" 医生和医疗保健提供者通常需要24到48小时才能确定患者患有败血症
但是每延迟一小时提供治疗——通常是有效的抗生素疗法——死亡的风险就会增加7
6%，突出了快速检测的必要性
“典型的情况是，病人到达急诊室时感觉病得很重，有一系列相当不明确的症状，”博士说
鲍勃·汉考克，微生物学和免疫学系的UBC·基拉姆教授
“医生看着那个病人，看他们是否有一系列症状，然后说，“这是一个可能患有败血症的病人，”但只有当他们有一些确定性时，他们才能立即开始治疗
在最初的24-48小时里，他们处于一种“观望”的状态
" 汉考克说，因为败血症很常见，如果抗生素使用超过必要，猖獗的抗微生物耐药性是一个风险
“你真的想尽早得知病人有败血症吗
" 这项研究包括有史以来规模最大的急诊室患者临床基因组学研究，研究人员共检查了来自四个不同大陆的348名患者
他们通过重新检查另外两项大型研究证实了他们的发现，这两项研究共涉及1062名患者
这些患者的血液进行了测序，显示了基因的表达水平，这决定了产生哪些蛋白质，从而有助于报告脓毒症患者的免疫状态(包括功能障碍)
研究表明，当一个人第一次来医院接受治疗时，可以检测到严重的败血症
使用机器学习，也称为人工智能，研究人员能够识别出预测患者是否会获得严重脓毒症的基因组，并能够理解脓毒症表现的五种不同方式(亚型/内型)
这将导致测试，允许医疗保健提供者通过测量这些与疾病相关的特定基因表达生物标志物，快速识别身体对感染的功能失调反应
该技术还能97%准确地识别每名患者出现的五种脓毒症内型
这一点很重要，因为两种亚型与严重脓毒症和死亡的高得多的风险相关
这些生物标志物也在重症监护室发挥作用，在那里有一种内型特别致命，死亡率为46%
快速识别败血症的类型将有助于医生确定合适的治疗方法
该团队还确定了评估脓毒症严重程度的其他生物标志物(例如
g
导致器官衰竭)和死亡的风险
用于测量基因表达的技术已经在医院出现，并且该技术可以在进入急诊室的两小时内进行
这项名为“首次临床表现时预测脓毒症严重程度:内型和机制特征的作用”的研究发表在EBioMedicine上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
