Cadre de jumeau numérique évolutif pour une posologie optimale des aminosides chez les nouveau-nés suspectés de septicémie

Pourquoi de tout petits patients rencontrent les mégadonnées

Quand des nouveau‑nés développent des infections graves, les médecins disposent souvent de quelques heures pour initier le bon antibiotique à la bonne dose. Mais chaque bébé en soins intensifs est différent, en particulier les prématurés dont les organes sont encore en maturation. Cette étude montre comment un « jumeau numérique » virtuel de chaque bébé peut tester des schémas antibiotiques sur ordinateur en amont, aidant les cliniciens à choisir des doses qui combattent l’infection, protègent des reins fragiles et ralentissent l’émergence de bactéries résistantes.

Créer une copie virtuelle d’un nouveau‑né

Les chercheurs ont construit un substitut mathématique pour chaque bébé qui reproduit la façon dont un antibiotique aminoglycoside, l’amikacine, circule dans l’organisme et affecte les germes. Une partie du jumeau représente la circulation sanguine, les reins et le reste du corps, prédisant comment le médicament est distribué et éliminé au fil du temps. Une autre partie représente des communautés bactériennes, divisées en populations sensibles et en groupes plus tenaces, et suit leur croissance, leur compétition et leur décroissance sous l’influence de concentrations médicamenteuses fluctuantes. Ces deux volets sont connectés, de sorte que le bébé virtuel et son infection virtuelle évoluent ensemble pendant le traitement.

Apprendre au jumeau à suivre de vrais reins

Chez les nouveau‑nés malades, la fonction rénale peut varier d’un jour à l’autre, surtout chez les très prématurés, ceux ayant subi une absence d’oxygène à la naissance ou recevant d’autres médicaments stressant les reins. L’équipe a entraîné un type de modèle d’apprentissage profond, appelé réseau à mémoire long terme (LSTM), sur plus de 7000 mesures réelles d’un produit de déchet sanguin connu sous le nom de créatinine sérique. Cela a permis au jumeau de mettre à jour chaque jour une valeur clé du filtre rénal à partir de données simples recueillies au chevet. Comparée à un modèle rénal construit manuellement antérieurement, la nouvelle approche a prédit la créatinine avec plus de précision entre différents hôpitaux et types de maladies, fournissant des prévisions de concentrations médicamenteuses plus fiables.

Vérifier le jumeau par rapport à de vrais niveaux médicamenteux et infections

Pour s’assurer du réalisme des jumeaux, les scientifiques les ont alimentés avec des dossiers de traitement réels de plus de 1600 nouveau‑nés ayant reçu de l’amikacine. Les modèles virtuels ont reproduit des milliers de concentrations mesurées dans le sang avec une erreur modérée, même chez des bébés traités par hypothermie après asphyxie ou recevant des médicaments cardiaques supplémentaires. Lorsque l’équipe a comparé les comptes bactériens prédits par le modèle aux résultats des hémocultures des mêmes bébés, les correspondances ont reflété la positivité ou la négativité des cultures. Cela suggère que le jumeau pouvait non seulement suivre les niveaux de médicament, mais aussi capter le schéma général de contrôle de l’infection observé en clinique.

Laisser l’ordinateur ajuster le traitement

Une fois validés, les jumeaux numériques ont servi à explorer des choix thérapeutiques dans une grande population virtuelle couvrant un large éventail d’âges gestationnels et postnataux. Un programme d’optimisation a recherché, dans les limites posologiques standard, un plan personnalisé pour chaque jumeau qui maintiendrait des pics de concentration suffisamment élevés pour contenir les bactéries tout en laissant les concentrations chuter suffisamment entre les doses pour réduire le risque rénal. Le modèle autorisait aussi une dérive de la sensibilité bactérienne pendant la thérapie, imitant la lente montée de la résistance. Une version plus avancée du contrôleur anticipait plusieurs doses à l’avance et ajustait les schémas pour prévenir la réapparition tardive de bactéries plus robustes, améliorant le contrôle à long terme sans pousser les niveaux médicamenteux dans une zone dangereuse.

Ce que cela signifie pour les nouveau‑nés fragiles

Pour les bébés simulés comme pour des cohortes hospitalières réelles, les schémas posologiques guidés par le jumeau numérique ont prédit une meilleure éradication de l’infection et une moindre expansion de germes résistants que les règles posologiques standards actuellement en usage, tout en maintenant l’exposition dans les marges de sécurité acceptées. L’approche ne repose que sur des informations de chevet collectées de façon routinière, comme l’âge, le poids, les tests de créatinine et l’historique des traitements. Bien qu’elle nécessite encore des essais prospectifs, cette démarche ouvre la voie à un avenir où le parcours antibiotique de chaque nouveau‑né serait continuellement ajusté par un compagnon virtuel, aidant les cliniciens à administrer suffisamment de médicament pour guérir l’infection sans nuire au bébé ni favoriser la résistance.

Citation: 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

Mots-clés: septicémie néonatale, jumeau numérique, posologie d’amikacine, résistance aux antibiotiques, médecine de précision