Marco de gemelo digital evolutivo para la dosificación óptima de aminoglucósidos en neonatos con sospecha de sepsis

Por qué se encuentran pacientes diminutos y grandes datos

Cuando los recién nacidos desarrollan infecciones graves, los médicos a menudo disponen de solo unas horas para iniciar los antibióticos adecuados en la dosis correcta. Pero cada bebé en cuidados intensivos es distinto, especialmente los prematuros cuyos órganos aún maduran. Este estudio muestra cómo un "gemelo digital" virtual de cada bebé puede probar planes antibióticos en el ordenador primero, ayudando a los médicos a elegir dosis que combatan la infección, protejan riñones frágiles y ralenticen el aumento de bacterias resistentes a los fármacos.

Crear una copia virtual de un recién nacido

Los investigadores construyeron un sustituto matemático para cada bebé que imita cómo un antibiótico aminoglucósido, la amikacina, se mueve por el cuerpo y afecta a los gérmenes. Una parte del gemelo representa la circulación sanguínea, los riñones y el resto del organismo, prediciendo cómo se distribuye y elimina el fármaco a lo largo del tiempo. Otra parte representa comunidades bacterianas, divididas en grupos sensibles al fármaco y en otros más resistentes, y rastrea cómo viven, compiten y mueren bajo niveles variables de medicamento. Estas dos partes están vinculadas, de modo que el bebé virtual y su infección virtual evolucionan juntos durante el tratamiento.

Enseñar al gemelo a seguir riñones reales

En los recién nacidos enfermos, la función renal puede cambiar de un día a otro, especialmente cuando son extremadamente prematuros, han sufrido pérdida de oxígeno relacionada con el parto o reciben otros medicamentos que estresan los riñones. El equipo entrenó un tipo de modelo de aprendizaje profundo, llamado red de memoria a largo y corto plazo (LSTM), con más de 7000 mediciones reales de un producto de desecho en la sangre conocido como creatinina sérica. Esto permitió que el gemelo actualizara un valor clave de filtración renal cada día a partir de datos simples de cabecera. En comparación con un modelo renal previo construido a mano, el nuevo enfoque predijo la creatinina con más precisión en distintos hospitales y tipos de enfermedad, ofreciendo previsiones de niveles de fármaco más fiables.

Comprobar el gemelo con niveles de fármaco reales e infecciones

Para asegurarse de que los gemelos se comportaban de forma realista, los científicos los alimentaron con registros de tratamiento reales de más de 1600 recién nacidos que recibieron amikacina. Los modelos virtuales reprodujeron miles de concentraciones medidas del fármaco en sangre con un error moderado, incluso en bebés sometidos a terapia de enfriamiento tras asfixia o que recibían fármacos de apoyo cardíaco adicionales. Cuando el equipo comparó los recuentos bacterianos predichos por el modelo, estos coincidieron con si los hemocultivos de los mismos bebés eran positivos o negativos. Esto sugirió que el gemelo no solo podía seguir los niveles del fármaco, sino también captar el patrón general de control de la infección observado en la clínica.

Permitir que el ordenador ajuste el tratamiento

Una vez validados, los gemelos digitales se usaron para explorar opciones de tratamiento en una gran población virtual que abarcaba una amplia gama de edades gestacionales y posnatales. Un programa de optimización buscó, dentro de los límites estándar de dosificación, un plan personal para cada gemelo que mantuviera picos de fármaco lo suficientemente altos como para frenar las bacterias, al tiempo que permitiera que los niveles bajaran lo suficiente entre dosis para reducir el riesgo renal. El modelo también permitió que la sensibilidad bacteriana al fármaco aumentara gradualmente durante la terapia, imitando el lento ascenso de la resistencia. Una versión más avanzada del controlador anticipó varias dosis y ajustó los horarios para prevenir el rebote tardío de bacterias más resistentes, mejorando el control a largo plazo sin empujar los niveles de fármaco hacia zonas peligrosas.

Qué significa esto para los recién nacidos frágiles

Tanto para los bebés simulados como para las cohortes hospitalarias reales, los esquemas de dosificación guiados por gemelos digitales predijeron una mejor eliminación de la infección y menor expansión de gérmenes resistentes que las reglas estándar de dosificación actualmente en uso, manteniendo al mismo tiempo la exposición dentro de márgenes de seguridad aceptados. El enfoque se basa únicamente en información de cabecera recogida de forma rutinaria, como edad, peso, pruebas de creatinina e historial de tratamiento. Aunque todavía necesita pruebas prospectivas, el trabajo apunta hacia un futuro en el que el curso antibiótico de cada recién nacido sea remodelado continuamente por un compañero virtual, ayudando a los clínicos a administrar suficiente fármaco para curar la infección sin causar daño al bebé ni alimentar la resistencia.

Cita: Prunella, M., Romano, C., Borri, A. et al. Evolutionary digital twin framework for optimal aminoglycoside dosing in neonates with suspected sepsis. npj Digit. Med. 9, 367 (2026). https://doi.org/10.1038/s41746-026-02558-w

Palabras clave: sepsis neonatal, gemelo digital, dosificación de amikacina, resistencia a antibióticos, medicina de precisión