Una nueva arma para el diagnóstico de la tuberculosis y la detección de la resistencia a los fármacos: una secuenciación dirigida de nueva generación (tNGS) combinada con aprendizaje automático para el diagnóstico de la hipersensibilidad a la tuberculosis
Informe de literatura: CCa: un modelo de diagnóstico basado en tNGS y aprendizaje automático, que es adecuado para personas con tuberculosis menos bacteriana y meningitis tuberculosa.
Título de la tesis: Secuenciación de próxima generación y aprendizaje automático dirigidos a la tuberculosis: una estrategia de diagnóstico ultrasensible para túbulos pulmonares paucíficos y meningitis tubular.
Periódico: 《Clínica Chimica Acta》
SI: 6.5
Fecha de publicación: enero de 2024
En colaboración con la Universidad de la Academia China de Ciencias y el Hospital de Tórax de Pekín de la Universidad Médica Capital, Macro & Micro-Test desarrolló un modelo de diagnóstico de tuberculosis basado en la tecnología de secuenciación dirigida de nueva generación (tNGS) y el método de aprendizaje automático. Este modelo proporcionó una sensibilidad de detección ultraalta para la tuberculosis con pocas bacterias y la meningitis tuberculosa, proporcionó un nuevo método de diagnóstico de hipersensibilidad para el diagnóstico clínico de dos tipos de tuberculosis y contribuyó al diagnóstico preciso, la detección de la farmacorresistencia y el tratamiento de la tuberculosis. Asimismo, se ha comprobado que el ADNc plasmático del paciente puede utilizarse como muestra clínica para el diagnóstico de la tuberculosis tuberculosa.
En este estudio, se utilizaron 227 muestras de plasma y muestras de líquido cefalorraquídeo para establecer dos cohortes clínicas, en las cuales las muestras de la cohorte de diagnóstico de laboratorio se utilizaron para establecer el modelo de aprendizaje automático del diagnóstico de tuberculosis, y las muestras de la cohorte de diagnóstico clínico se utilizaron para verificar el modelo de diagnóstico establecido. Todas las muestras fueron primero dirigidas por un grupo de sondas de captura dirigida especialmente diseñado para Mycobacterium tuberculosis. Luego, con base en los datos de secuenciación TB-tNGS, el modelo de árbol de decisión se utiliza para realizar una validación cruzada de 5 veces en los conjuntos de entrenamiento y validación de la cola de diagnóstico de laboratorio, y se obtienen los umbrales de diagnóstico de las muestras de plasma y las muestras de líquido cefalorraquídeo. El umbral obtenido se lleva a dos conjuntos de prueba de la cola de diagnóstico clínico para su detección, y el rendimiento diagnóstico del aprendiz se evalúa mediante la curva ROC. Finalmente, se obtuvo el modelo de diagnóstico de tuberculosis.
Fig. 1 Diagrama esquemático del diseño de la investigación
Resultados: De acuerdo con los umbrales específicos de la muestra de ADN de LCR (AUC = 0,974) y la muestra de cfDNA plasmático (AUC = 0,908) determinados en este estudio, entre 227 muestras, la sensibilidad de la muestra de LCR fue del 97,01%, la especificidad fue del 95,65% y la sensibilidad y especificidad de la muestra de plasma fueron del 82,61% y 86,36%. En el análisis de 44 muestras pareadas de cfDNA plasmático y ADN de líquido cefalorraquídeo de pacientes con TBM, la estrategia diagnóstica de este estudio tiene una alta consistencia del 90,91% (40/44) en cfDNA plasmático y ADN de líquido cefalorraquídeo, y la sensibilidad es del 95,45% (42/44). En niños con tuberculosis pulmonar, la estrategia diagnóstica de este estudio es más sensible a las muestras de plasma que los resultados de detección de Xpert de muestras de jugo gástrico de los mismos pacientes (28,57% VS 15,38%).
Fig. 2 Rendimiento del análisis del modelo de diagnóstico de tuberculosis para muestras poblacionales
