Рамочная модель эволюционного цифрового двойника для оптимального дозирования аминогликозидов у новорождённых с подозрением на сепсис

Почему маленькие пациенты и большие данные встречаются

Когда у новорожденных развиваются тяжёлые инфекции, врачам часто остаются лишь часы, чтобы назначить правильный антибиотик в подходящей дозе. Но каждый ребёнок в отделении интенсивной терапии уникален, особенно недоношенные младенцы, у которых органы ещё развиваются. В этом исследовании показано, как виртуальный «цифровой двойник» каждого ребёнка может сначала протестировать планы лечения на компьютере, помогая врачам выбирать дозы, которые борются с инфекцией, защищают хрупкие почки и замедляют рост резистентных бактерий.

Создание виртуальной копии новорождённого

Исследователи создали математический экземпляр каждого младенца, который имитирует, как аминогликозидный антибиотик амикацин перемещается по организму и влияет на микроорганизмы. Одна часть двойника моделирует кровообращение, почки и остальную часть тела, прогнозируя распределение и выведение препарата во времени. Другая часть представляет сообщества бактерий, разделённые на чувствительные к препарату и более стойкие группы, и отслеживает, как они выживают, конкурируют и гибнут при меняющихся уровнях лекарства. Эти две части связаны, так что виртуальный ребёнок и его виртуальная инфекция эволюционируют вместе в ходе лечения.

Обучение двойника следовать за реальными почками

У больных новорождённых функция почек может меняться изо дня в день, особенно у крайне недоношенных, при перинатальной гипоксии или при назначении других препаратов, нагружающих почки. Команда обучила тип модели глубокого обучения, называемый сетью долговременной краткосрочной памяти (LSTM), на более чем 7000 реальных измерений продукта обмена в крови, известного как сывороточный креатинин. Это позволило двойнику ежедневно обновлять ключевой показатель фильтрации почек на основе простых постельных данных. По сравнению с прежней вручную созданной моделью почек новый подход точнее прогнозировал креатинин в разных больницах и при различных типах заболеваний, обеспечивая более надёжные прогнозы уровней препарата.

Сверка двойника с реальными уровнями препарата и инфекциями

Чтобы убедиться, что двойники ведут себя реалистично, учёные кормил их реальными лечебными записями более 1600 новорождённых, получавших амикацин. Виртуальные модели воспроизвели тысячи измеренных концентраций препарата в крови с умеренной ошибкой, даже у младенцев, получавших охлаждающую терапию после асфиксии или дополнительные сердечные препараты. Когда команда сравнивала предсказанные моделью количественные показатели бактерий, они соответствовали тому, были ли посевы крови от тех же детей положительными или отрицательными. Это указывало на то, что двойник может не только отслеживать уровни лекарства, но и отражать общую картину контроля инфекции, наблюдаемую в клинике.

Давая компьютеру возможность корректировать лечение

После валидации цифровые двойники использовали для исследования вариантов лечения в большой виртуальной популяции, охватывающей широкий диапазон гестационного и постнатального возраста. Программа оптимизации искала в пределах стандартных дозировочных ограничений персональный план для каждого двойника, который поддерживал максимальные уровни препарата достаточно высокими, чтобы сдерживать бактерии, одновременно позволяя концентрации падать между дозами, чтобы снизить риск для почек. Модель также допускала дрейф чувствительности бактерий к препарату во время терапии, имитируя медленный рост резистентности. Более продвинутая версия контроллера заглядывала на несколько доз вперёд и корректировала графики, чтобы предотвратить поздний всплеск более стойких бактерий, улучшая долгосрочный контроль без вывода уровней препарата в опасную зону.

Что это значит для хрупких новорождённых

Как для смоделированных младенцев, так и для реальных госпитальных когорт, схемы дозирования, управляемые цифровыми двойниками, обеспечивали лучшее прогнозируемое очищение от инфекции и меньшее расширение резистентных микроорганизмов по сравнению со стандартными правилами дозирования, применяемыми сейчас, при этом поддерживая экспозицию в пределах принятых границ безопасности. Подход опирается только на рутинно собираемые постельные данные, такие как возраст, вес, тесты на креатинин и история лечения. Хотя ему ещё требуется проспективная проверка, работа указывает на будущее, в котором курс антибиотиков у каждого новорождённого непрерывно подстраивается виртуальным компаньоном, помогая клиницистам давать достаточно препарата для излечения инфекции, но не в такой степени, чтобы навредить ребёнку или способствовать развитию резистентности.

Цитирование: 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

Ключевые слова: неонатальный сепсис, цифровой двойник, дозирование амикацина, антибиотикорезистентность, персонализированная медицина