Protegemos tu salud a través de la Ciencia
Proyectos de investigación
La medicina de precisión contra la resistencia a antimicrobianos: Proyecto MePRAM
Convocatoria: CONVOCATORIA PROYECTOS DE INVESTIGACIÓN DE MEDICINA PERSONALIZADA DE PRECISIÓN (2022), Instituto de Salud Carlos III
La resistencia a antimicrobianos (RAM) es una amenaza sanitaria para la salud pública e individual de los pacientes. La RAM genera un aumento de la morbilidad y mortalidad, estancias hospitalarias más prolongadas, pérdida de cobertura eficaz en pacientes con quimioterapia, trasplantes o grandes cirugías, y aumento del coste económico. La RAM, principalmente la aparición de bacterias panresistentes, supone un riesgo real de llegar a un escenario similar al de la época preantibiótica; y así es ahora reconocido por todas las instituciones nacionales e internacionales. Es necesario un abordaje integral y comprehensivo de esta problemática dirigido a la integración de las nuevas tecnologías ómicas en la detección y diagnóstico precoz de microorganismos multirresistentes para optimizar y personalizar el manejo clínico y tratamiento de pacientes afectados, así como en la predicción del desarrollo de resistencias clínicas y de infecciones producidas por microorganismos multirresistentes. Además, es necesario implementar alternativas terapéuticas que ya han demostrado su eficacia contra la RAM en determinados contextos clínicos, como es la fagoterapia, y generar evidencia sobre la mayor eficacia del manejo individualizado de estas infecciones. La implementación de plataformas interactivas, semánticamente interoperables, basadas en normas, que den soporte a repositorios de datos armonizados, integrados, provenientes de fuentes heterogéneas, principalmente datos genómicos y clínico/ epidemiológicos (en coordinación con IMPACT), permitirá la toma de decisiones precoces y de precisión, el desarrollo de algoritmos de ayuda a la decisión mediante técnicas de machine learning y data mining dirigidos a personalizar las medidas preventivas y terapéuticas frente a la RAM en cada caso, y, adicionalmente, la capacidad de reutilización de los datos y de reproducibilidad de las evidencias generadas. Los resultados de salud que se pretenden alcanzar con esta iniciativa son la reducción del número de infecciones por microorganismos RAM, la mejora en el abordaje, y por tanto en el pronóstico, de los pacientes infectados, y el control general de la diseminación de estos microorganismos.
La resistencia a antimicrobianos (RAM) es una amenaza sanitaria para la salud pública e individual de los pacientes. La RAM genera un aumento de la morbilidad y mortalidad, estancias hospitalarias más prolongadas, pérdida de cobertura eficaz en pacientes con quimioterapia, trasplantes o grandes cirugías, y aumento del coste económico. La RAM, principalmente la aparición de bacterias panresistentes, supone un riesgo real de llegar a un escenario similar al de la época preantibiótica; y así es ahora reconocido por todas las instituciones nacionales e internacionales. Es necesario un abordaje integral y comprehensivo de esta problemática dirigido a la integración de las nuevas tecnologías ómicas en la detección y diagnóstico precoz de microorganismos multirresistentes para optimizar y personalizar el manejo clínico y tratamiento de pacientes afectados, así como en la predicción del desarrollo de resistencias clínicas y de infecciones producidas por microorganismos multirresistentes. Además, es necesario implementar alternativas terapéuticas que ya han demostrado su eficacia contra la RAM en determinados contextos clínicos, como es la fagoterapia, y generar evidencia sobre la mayor eficacia del manejo individualizado de estas infecciones. La implementación de plataformas interactivas, semánticamente interoperables, basadas en normas, que den soporte a repositorios de datos armonizados, integrados, provenientes de fuentes heterogéneas, principalmente datos genómicos y clínico/ epidemiológicos (en coordinación con IMPACT), permitirá la toma de decisiones precoces y de precisión, el desarrollo de algoritmos de ayuda a la decisión mediante técnicas de machine learning y data mining dirigidos a personalizar las medidas preventivas y terapéuticas frente a la RAM en cada caso, y, adicionalmente, la capacidad de reutilización de los datos y de reproducibilidad de las evidencias generadas. Los resultados de salud que se pretenden alcanzar con esta iniciativa son la reducción del número de infecciones por microorganismos RAM, la mejora en el abordaje, y por tanto en el pronóstico, de los pacientes infectados, y el control general de la diseminación de estos microorganismos.