Evolución de la resistencia de la bacteria Acinetobacter baumannii al antibiótico colistina en la población de la ciudad de Valencia. Un enfoque desde los modelos basados en agentes.

Abstract

[ES] Uno de los retos emergentes más complejos en el mundo de la salud es la resistencia a los tratamientos con antibióticos (AMR). El uso a nivel mundial de los fármacos antibióticos ha sido un factor clave en la lucha contra las enfermedades infecciosas, pero a su vez ha provocado que cada vez más microorganismos desarrollen, mediante adaptaciones genéticas, resistencia o incluso inmunidad frente a los fármacos. Según las previsiones del informe elaborado por la comisión Review of Antimicrobial Resistance a petición del gobierno británico de David Cameron y presentado en el Foro de Davos 2016, se estimó que unas 700.000 personas fallecieron en 2016 a causa de microorganismos infecciosos resistentes - cifra que el propio informe considera infraestimada -, y que en 2050 las previsiones apuntan a 10 millones de muertes al año con un coste económico asociado de 100 billones de dólares si no se actúa adecuadamente. Ante esta amenaza de salud pública, los modelos matemáticos van a resultar fundamentales en la predicción de la evolución de la AMR y en la toma de decisiones objetivas en materia de salud pública.

En este trabajo proponemos un modelo basado en agentes que describe la evolución de una bacteria resistente a antibiótico en una población sintética. En este caso, se ha escogido la bacteria Acinetobacter baumannii, caracterizada por su adaptación y resistencia a los antibióticos, y el antibiótico colistina, uno de los pocos antibióticos eficaces contra el microorganismo a día de hoy. El modelo basado en agentes propuesto describe la evolución de los casos de A. baumannii sensibles y resistentes a la colistina a lo largo del tiempo, en una población sintética con las características demográficas de la ciudad de Valencia, y con unas reglas de comportamiento de los individuos que imitan al proceso natural de contagio por A. baumannii, y que se producen en base a una serie de probabilidades. Para hallar los parámetros desconocidos del modelo, se ha llevado a cabo un proceso de calibrado mediante el algoritmo de optimización Particle Swarm Optimization (PSO) y una función de fitness que mide el error entre los resultados del modelo y los datos epidemiológicos reales. Finalmente, se ha simulado la evolución de los casos de A. baumannii en los próximos años y se ha estimado la vida útil que le queda a la colistina antes de que la bacteria consiga ser mayoritariamente resistente en la población.

[EN] One of the most complex emerging challenges in the world of healthcare is antibiotic resistance (AMR). The global use of antibiotic drugs has been a key factor in the fight against infectious diseases, but it has also led to an increasing number of microorganisms developing resistance or even immunity to the drugs through genetic adaptations. According to the forecasts of the report prepared by the Review of Antimicrobial Resistance commission at the request of David Cameron's British government and presented at the Davos Forum 2016, it was estimated that some 700,000 people died in 2016 as a result of resistant infectious microorganisms - a value that the report itself considers to be an underestimate - and that by 2050 the forecasts point to 10 million deaths per year with an associated economic cost of 100 trillion dollars if appropriate action is not taken. In the face of this public health threat, mathematical models will be fundamental in predicting the evolution of AMR and in making objective public health decisions.

In this study we propose an agent-based model that describes the evolution of antibiotic-resistant bacteria in a synthetic population. In this case, we have chosen the bacterium Acinetobacter baumannii, characterised by its adaptation and resistance to antibiotics, and the antibiotic colistin, one of the few antibiotics currently effective against the microorganism. The proposed agent-based model describes the evolution of colistin-sensitive and colistin-resistant cases of A. baumannii over time, in a synthetic population with the demographic characteristics of the city of Valencia, and with rules for the behaviour of individuals that mimic the natural process of infection by A. baumannii, and which are produced on the basis of a series of probabilities. To find the unknown parameters of the model, a calibration process was carried out using the Particle Swarm Optimization (PSO) algorithm and a fitness function that measures the error between the results of the model and the real epidemiological data. Finally, we simulated the evolution of A. baumannii cases in the coming years and estimated the remaining life span of colistin before the bacterium achieves majority resistance in the population.