Sepsi: individuati 4 nuovi fenotipi. Consentiranno un trattamento più mirato

All’arrivo in ospedale, è possibile individuare rapidamente alcuni fenotipi di sepsi, correlati con diversi biomarcatori di risposta ed esiti clinici, e dunque rilevanti al fine di prevedere l’effetto del trattamento?
 
Secondo gli autori di uno studio pubblicato da JAMA, la risposta è affermativa e dalle pagine del loro lavoro propongono una classificazione in quattro nuovi fenotipi di sepsi, indicati dalle lettere greche (alfa, beta, gammae delta), che differiscono tra loro per dati demografici, valori di laboratorio, quadri di disfunzione d’organo; fenotipi che correlano con alcuni biomarcatori e con tassi di mortalità e che possono rappresentare un’utile guida al trattamento.
 
Questi risultati sono stati ottenuti analizzando i dati di quasi 64mila pazienti distribuiti in tre coorti osservazionali. Da questa mole di dati, gli autori hanno selezionato 20.189 pazienti che rientravano nei criteri cosiddetti Sepsis-3, entro 6 ore dall’arrivo in 12 ospedali della Pennsylvania.
 
Successivamente, nelle simulazioni effettuate utilizzando i dati di 3 studi clinici randomizzati su pazienti con sepsi (su un totale di 4.737 pazienti) e di uno studio di coorte prospettico su pazienti con sepsi originata da una polmonite, anche gli esiti dei trattamenti, hanno mostrato una correlazione con la tipologia del fenotipo.
 
Christopher Seymour (Department of Critical Care Medicine, School of Medicine, University of Pittsburgh, Pennsylvania) e colleghi sono partiti dalla constatazione che le attuali definizioni di ‘sepsi’ sono troppo ampie e troppo poco precise per descrivere accuratamente le complesse interazioni clinico-biologiche dei vari quadri di sepsi. L’approccio da loro scelto per definire meglio le varie tipologie di sepsi è quello dell’apprendimento non supervisionato, e nella fattispecie dell’analisi dei cluster, un algoritmo del machine learning. Questo ha permesso loro di caratterizzare i quattro nuovi fenotipi.
 
Il fenotipo alfa è risultato essere quello più diffuso (33%) e a prognosi migliore;  comprende pazienti che richiedono la somministrazione di agenti vasopressori ai dosaggi più bassi. Il fenotipo beta (27%) comprende pazienti più anziani, con un maggior numero di patologie croniche e insufficienza renale; nel fenotipo gamma (27%) i pazienti presentano una maggior infiammazione e un maggior grado di disfunzione polmonare. Infine al fenotipo delta appartengono pazienti con disfunzione epatica di grado maggiore (aumento delle transaminasi e della bilirubinemia) e shock settico; questi pazienti, rispetto agli altri fenotipi presentano inoltre una inferiore concentrazione di bicarbonati, un aumento dei lattati; sono ipotesi e tachicardici e mostrano in media valori di troponina e di creatininemia più elevati.
 
La mortalità a 28 giorni è risultata pari al 5% tra i pazienti di fenotipo alfa; del 13% in quelli a fenotipo beta; del 24% tra quelli di fenotipo gamma e infine del 40% nel fenotipo delta.
 
“Lo studio di Seymour e colleghi –  commentano in un editoriale  William A. Knaus (Public Health Sciences, University of Virginia, Charlottesville) e Richard D. Marks (Patient Command Inc, McLean, Virginia) – rappresenta il brave new world del tentativo di mettere insieme dati del paziente, machine learning e intelligenza artificiale per comprendere meglio problemi clinici seri e complessi. Tuttavia, la risposta definitiva alla domanda ‘questo approccio migliorerà gli esiti del paziente?’ resta sconosciuta”.


 


Alfa: la forma più lieve


Beta(sofferenza renale): pazienti a rischio (età avanzata, malattie croniche, disfunzione renale)


Gamma(infiammazione e sofferenza polmonare): pazienti in condizioni gravi; presentano: aumento dei globuli bianchi e della PCR o della VES, ridotti livelli di albumina, iperpiressia


Delta(sofferenza epatica e shock): i pazienti più gravi: presentano aumento dei livelli di lattati e di transaminasi (GOT/GPT), ipotensione. Uno su tre è a rischio di morte.

 
Maria Rita Montebelli