Ett enkelt blodprov i kombination med artificiell intelligens, kan rädda liv genom att snabbt fastställa vem som riskerar att utveckla livshotande sepsis. Forskare vid Lunds universitet har lett den största masspektrometriska studien på sepsis – som nyligen väckt stort internationellt intresse.
Sepsis är ett livshotande tillstånd som utlöses av en infektion. I Sverige drabbas varje år minst 50 000 människor och globalt insjuknar 50 miljoner årligen varav 11 miljoner dör av sjukdomen. Eftersom sjukdomsförloppet går snabbt och det idag inte finns något tillförlitligt test för att fastställa sepsis, är den stora utmaningen att ställa rätt diagnos.
– Det är svårt att förutsäga vem som återhämtar sig och vem som riskerar livhotande organsvikt. Därför behöver vi bättre förstå sepsis på molekylär nivå och identifiera högriskpatienter innan det är för sent, säger Lisa Mellhammar, sepsisforskare vid Lunds universitet och biträdande överläkare inom infektionssjukvård på Skånes universitetssjukhus.
Unika mönster av proteiner
Hon är en av de forskare som undersökt 1 364 plasmaprover från vuxna som togs in till akutmottagningen vid Skåne universitetssjukhus med misstänkt sepsis mellan 2016 och 2023. Av dessa hade 913 sepsis. Genom att analysera blodplasman, identifierade forskarna unika mönster av proteiner som är associerade med immunrespons hos patienter med sepsis.
– För sepsis, som är ett så heterogent tillstånd, behövs stora mängder patientmaterial för att kunna hitta gemensamma profiler. Med den nya tekniken med avancerad masspektrometri, kunde vi också mäta över 800 proteiner i ett enda blodprov, vilket är en förutsättning för att få tillgång till all information, säger Adam Linder, sepsisforskare och universitetslektor i infektionsmedicin vid Lunds universitet och överläkare inom infektionssjukvård på Skånes universitetssjukhus.
Digital tvillingmodell
Forskarna skapade molekylära signaturer från sin analys, som de tillsammans med information om patienternas samsjuklighet, blodtryck och puls med mera, använde för att bygga en digital tvillingmodell. De tränade upp AI-modellen att jämföra de olika proteinprofilerna med övriga faktorer för att kunna förutsäga vem som sannolikt skulle gå in i septisk chock eller organsvikt. Genom att hitta patienter som liknade varandra med känd sjukdomsprofil och jämföra deras sjukdomsförlopp, kunde de därefter klassificera patienterna i olika riskkategorier.
– Det är mycket som ska stämma vid digitala tvillingmodeller, men ju mer data vi får in, desto mer korrekt blir sannolikt riskbedömningen och vi får bättre förutsättningar för mer precisa vapen till att bekämpa sjukdomsförloppet, säger Adam Linder.
Tajmingen är väldigt viktig
Sepsis är en sjukdom där tajmingen är väldigt viktig. I djurstudier har forskarna sett att om man ger läkemedel vid olika tidpunkter, har det enorm inverkan på prognosen. Idag finns begränsad möjligheter till den här typen av precisionsmedicin för behandling av sepsis på människor, men forskarnas förhoppning är att studien ska öppna upp möjligheten till en mer effektiv och individualiserad behandling – inte bara vid sepsis utan även vid framtida infektionspandemier.
– Detta är den största masspektrometriska studien som gjorts på sepsis och just nu håller vi på att skapa ett svenskt nätverk mellan olika sjukhus för att samla in ytterligare blodprov och klinisk data. Studien är ett exempel på hur olika områden befruktar varandra inom forskningen – kliniska behov som får en lösning genom masspektrometri och bioinformatik. Nästa steg är att kliniskt validera verktygen och få ner tiden det tar för att få provsvar, men vi hoppas att metoden ska kunna användas för att minska dödligheten i sepsis inom en överskådlig framtid, avslutar Lisa Mellhammar.
Länk till vetenskaplig publikation: Population scale proteomics enables adaptive digital twin modelling in sepsis
Text: ÅSA HANSDOTTER
Artikeln är tidigare publicerad som nyhet från Lunds universitet