Dwa β-laktamy mogą skuteczniej hamować oporne szczepy Pseudomonas aeruginosa

Połączenie dwóch antybiotyków β-laktamowych – meropenemu oraz ceftolozanu z tazobaktamem – prowadziło w dynamicznym modelu zakażenia in vitro do szybszego i większego zmniejszenia liczby bakterii Pseudomonas aeruginosa niż stosowanie każdego z tych leków osobno. Terapia skojarzona wyraźnie ograniczała także pojawianie się opornych subpopulacji. Wyniki badania opublikowanego w The Lancet Microbe wskazują, że połączenie genomiki populacyjnej z ilościową farmakologią systemową może w przyszłości wspierać dobór antybiotykoterapii do profilu oporności konkretnego izolatu bakteryjnego.

W artykule:

• Dlaczego oporne szczepy Pseudomonas aeruginosa stanowią poważne zagrożenie kliniczne
• Jak zbadano połączenie meropenemu i ceftolozanu z tazobaktamem
• Dlaczego terapia dwoma β-laktamami działała lepiej niż monoterapia
• Jakie mechanizmy oporności uwzględniał model QSP
• Czy genomika może pomóc w personalizacji antybiotykoterapii
• Jakie są ograniczenia badania przeprowadzonego in vitro

Badacze pod kierunkiem naukowców z Monash University wykazali, że nietypowe połączenie dwóch antybiotyków β-laktamowych może skuteczniej ograniczać wzrost wysoce opornych szczepów Pseudomonas aeruginosa niż każdy z tych leków stosowany oddzielnie. W badaniu oceniano meropenem oraz ceftolozan z tazobaktamem – zarówno w monoterapii, jak i w leczeniu skojarzonym.

W dynamicznym modelu zakażenia in vitro terapia skojarzona powodowała szybsze i na ogół znacznie większe zmniejszenie liczby żywych bakterii. Jednocześnie wyraźnie ograniczała selekcję i ekspansję subpopulacji opornych na oba antybiotyki.

Wyniki opublikowano w czasopiśmie The Lancet Microbe. Autorzy połączyli eksperymentalny model zakażenia, analizę genomową klinicznych izolatów bakterii oraz ilościową farmakologię systemową, określaną skrótem QSP od angielskiego terminu Quantitative Systems Pharmacology.

Pseudomonas aeruginosa – patogen o wysokim priorytecie

Pseudomonas aeruginosa, czyli pałeczka ropy błękitnej, jest oportunistyczną bakterią Gram-ujemną mogącą wywoływać ciężkie zakażenia, zwłaszcza u pacjentów hospitalizowanych, osób w stanie krytycznym oraz chorych z zaburzeniami odporności, uszkodzeniem naturalnych barier organizmu lub przewlekłymi chorobami układu oddechowego.

Bakteria może być przyczyną między innymi zapalenia płuc, zakażeń krwi, zakażeń ran, zakażeń układu moczowego oraz – rzadziej – zapalenia opon mózgowo-rdzeniowych. Szczególne znaczenie kliniczne mają zakażenia związane z opieką zdrowotną, w tym zapalenie płuc u pacjentów poddawanych wentylacji mechanicznej oraz zakażenia u osób z rozległymi oparzeniami, cewnikami naczyniowymi lub innymi inwazyjnymi wyrobami medycznymi.

P. aeruginosa dysponuje licznymi naturalnymi i nabytymi mechanizmami oporności. Należą do nich między innymi ograniczona przepuszczalność błony zewnętrznej, aktywne pompy usuwające antybiotyki z komórki, zmiany białek będących miejscem działania leków, wytwarzanie enzymów rozkładających β-laktamy oraz mutacje selekcjonowane podczas terapii.

Nie oznacza to, że każdy izolat P. aeruginosa jest wielolekooporny. Niektóre szczepy wysokiego ryzyka mogą jednak wykazywać oporność na wiele klas antybiotyków przeciwpseudomonasowych, co znacząco ogranicza możliwości terapeutyczne i zwiększa ryzyko niepowodzenia leczenia.

Oporność na antybiotyki zagraża osiągnięciom współczesnej medycyny

Oporność na środki przeciwdrobnoustrojowe, określana skrótem AMR od angielskiego terminu antimicrobial resistance, należy do najpoważniejszych globalnych zagrożeń zdrowotnych. W przypadku omawianego badania właściwe jest przede wszystkim określenie „bakteryjna oporność na antybiotyki”, ponieważ analizowano reakcję bakterii na leki przeciwbakteryjne.

Według globalnej analizy obciążenia chorobami w 2021 roku około 4,71 mln zgonów było związanych z bakteryjną AMR, a około 1,14 mln zgonów można było jej bezpośrednio przypisać. Rozróżnienie tych dwóch wartości jest istotne: zgony związane z AMR obejmują wszystkie zgony u osób z zakażeniami opornymi, natomiast zgony przypisywane AMR oznaczają przypadki, których – zgodnie z przyjętym modelem statystycznym – można byłoby uniknąć, gdyby zakażenia wywoływały drobnoustroje wrażliwe na leczenie.

Narastająca oporność zagraża nie tylko skutecznemu leczeniu zakażeń. Może również zwiększać ryzyko związane z zabiegami chirurgicznymi, cięciami cesarskimi, transplantacją narządów, intensywną terapią, leczeniem nowotworów oraz innymi procedurami, podczas których zapobieganie zakażeniom i ich skuteczne leczenie mają podstawowe znaczenie.

Oporność rozwija się wtedy, gdy w populacji bakterii pojawiają się lub są już obecne cechy umożliwiające przeżycie mimo ekspozycji na antybiotyk. Leczenie może następnie selekcjonować te drobnoustroje, eliminując bakterie wrażliwe i pozostawiając subpopulacje oporne, które zaczynają się namnażać.

Zakażenia wywołane przez bakterie oporne na wiele leków są trudniejsze do leczenia, mogą wymagać stosowania bardziej toksycznych lub mniej skutecznych antybiotyków oraz wiążą się z ryzykiem przedłużenia hospitalizacji, ciężkiego przebiegu choroby i zgonu.

Rozwój nowych antybiotyków nie nadąża za narastaniem oporności

Tempo opracowywania nowych antybiotyków nie odpowiada szybkości, z jaką bakterie rozwijają i rozpowszechniają mechanizmy oporności. Problem jest szczególnie istotny w przypadku bakterii Gram-ujemnych, których budowa komórkowa oraz zdolność do pozyskiwania kolejnych mechanizmów oporności utrudniają zarówno projektowanie nowych leków, jak i zachowanie skuteczności już dostępnych terapii.

Jedną z możliwych strategii jest optymalizacja sposobu wykorzystywania antybiotyków, którymi medycyna już dysponuje. Obejmuje ona między innymi odpowiedni dobór dawki, częstotliwości i czasu podawania, uwzględnienie farmakokinetyki i farmakodynamiki oraz racjonalne stosowanie terapii skojarzonej.

Samo połączenie dwóch antybiotyków nie gwarantuje jednak lepszego efektu. Leki mogą działać synergistycznie, addycyjnie, obojętnie, a niekiedy nawet antagonistycznie. Z tego względu potencjalne schematy skojarzone wymagają dokładnej oceny eksperymentalnej, a następnie potwierdzenia w badaniach klinicznych.

Połączenie meropenemu i ceftolozanu z tazobaktamem

W badaniu zastosowano meropenem oraz ceftolozan z tazobaktamem. Oba schematy należą do terapii opartych na antybiotykach β-laktamowych, ale ich składniki mają odmienne właściwości farmakologiczne i mogą być w różnym stopniu podatne na poszczególne mechanizmy oporności bakterii.

Meropenem jest antybiotykiem z grupy karbapenemów. Hamuje syntezę bakteryjnej ściany komórkowej przez wiązanie z białkami wiążącymi penicylinę. Ceftolozan jest cefalosporyną o aktywności przeciwko P. aeruginosa, natomiast tazobaktam jest inhibitorem wybranych β-laktamaz. Dodanie tazobaktamu ma chronić antybiotyk przed hydrolizą przez część enzymów bakteryjnych, chociaż nie neutralizuje wszystkich możliwych mechanizmów oporności.

Badacze porównali działanie każdego z tych schematów w monoterapii z jednoczesnym zastosowaniem obu. Oceniano nie tylko początkowe zmniejszenie liczby żywych bakterii, ale również zmiany zachodzące podczas przedłużonej ekspozycji na antybiotyki, w tym ponowny wzrost populacji i pojawianie się opornych subpopulacji.

Doświadczenia przeprowadzono w zwalidowanym dynamicznym modelu zakażenia in vitro. System umożliwiał symulowanie zmian stężeń antybiotyków odpowiadających profilom farmakokinetycznym przewidywanym podczas dawkowania u pacjentów.

Model laboratoryjny nie odtwarza jednak wszystkich warunków występujących w organizmie człowieka. Nie uwzględnia w pełni między innymi odpowiedzi immunologicznej gospodarza, penetracji antybiotyków do różnych tkanek, zmian czynności nerek i wątroby, oddziaływania ogniska zakażenia ani całej zmienności klinicznej obserwowanej u ciężko chorych pacjentów.

Terapia skojarzona skuteczniejsza w modelu laboratoryjnym

Połączenie meropenemu z ceftolozanem i tazobaktamem prowadziło do szybszego oraz na ogół znacznie większego zmniejszenia liczby bakterii niż stosowanie każdego schematu osobno. Szczególnie istotne było ograniczenie rozwoju oporności na oba badane β-laktamy.

Wynik ten nie powinien być jednak interpretowany jako wykazanie całkowitej eradykacji zakażenia. Badacze oceniali dynamikę populacji bakteryjnej w układzie eksperymentalnym, a nie kliniczne wyleczenie pacjentów.

Nie analizowano również transmisji bakterii opornych pomiędzy chorymi ani rozprzestrzeniania się szczepów w szpitalach lub populacji. Trafniejsze jest zatem stwierdzenie, że terapia skojarzona ograniczała selekcję i ekspansję opornych subpopulacji podczas ekspozycji na antybiotyki, a nie że zatrzymywała epidemiologiczne rozprzestrzenianie się oporności.

Autorzy zwrócili uwagę, że oporność P. aeruginosa może pojawiać się szybko także podczas stosowania nowszych antybiotyków w monoterapii. Uzasadnia to poszukiwanie takich połączeń leków, które jednocześnie maksymalizują aktywność bakteriobójczą i minimalizują prawdopodobieństwo selekcji opornych wariantów.

Genomika populacyjna ujawnia mechanizmy oporności

W badaniu wykorzystano izolaty P. aeruginosa pochodzące od pacjentów. Poszczególne szczepy różniły się wyjściowymi cechami genetycznymi i mechanizmami oporności. Miało to kluczowe znaczenie, ponieważ dwa izolaty należące do tego samego gatunku mogą zupełnie inaczej reagować na identyczny schemat antybiotykoterapii.

Analizy genomowe pozwoliły określić warianty genetyczne obecne przed rozpoczęciem ekspozycji na leki oraz zmiany pojawiające się podczas terapii. Informacje te połączono z wynikami eksperymentów opisujących wzrost bakterii, ich zabijanie przez antybiotyki oraz ponowny wzrost opornych populacji.

Takie podejście umożliwia analizę nie tylko tego, czy dany lek działał, ale również dlaczego określony szczep odpowiadał na terapię w konkretny sposób. Pozwala też ocenić, które mechanizmy oporności miały największy wpływ na obserwowany przebieg odpowiedzi.

Model QSP opisuje zmiany zachodzące w czasie

Na podstawie danych z dynamicznego modelu zakażenia opracowano model ilościowej farmakologii systemowej. Modele QSP łączą wiedzę biologiczną, farmakologiczną i matematyczną w celu ilościowego opisania interakcji pomiędzy lekiem, patogenem i mechanizmami choroby.

W omawianym badaniu model opisywał:

• wzrost populacji bakterii w czasie,
• zmniejszanie liczby żywych bakterii pod wpływem antybiotyków,
• ponowny wzrost populacji po początkowej odpowiedzi na leczenie,
• selekcję i ekspansję subpopulacji opornych,
• wpływ mechanizmów oporności obecnych przed rozpoczęciem terapii,
• znaczenie mutacji i innych zmian związanych z opornością pojawiających się podczas ekspozycji na leki,
• różnice w odpowiedzi pomiędzy badanymi klinicznymi szczepami P. aeruginosa.

Autorzy przeanalizowali siedem szczepów P. aeruginosa o różnych wyjściowych cechach oporności. Szczegółowy model matematyczny opisujący przebieg zabijania bakterii i rozwój oporności opracowano dla trzech izolatów należących do wysokiego ryzyka klonu ST235.

Model wykorzystano następnie do symulowania prawdopodobnych wyników ekspozycji na antybiotyki przy schematach dawkowania odpowiadających warunkom klinicznym. Były to jednak symulacje modelowe, a nie obserwacje rzeczywistych wyników leczenia pacjentów.

Co nowego wnosi opracowany model?

Według autorów jest to pierwszy model QSP tego rodzaju, który uwzględnia zarówno różne mechanizmy oporności obecne w klinicznych izolatach przed ekspozycją na antybiotyk, jak i mechanizmy rozwijające się lub selekcjonowane w trakcie terapii.

Nie oznacza to, że model obejmuje wszystkie możliwe mechanizmy oporności występujące u P. aeruginosa. Bakteria ta może wykorzystywać wiele nakładających się strategii obronnych, a ich znaczenie zależy od szczepu, rodzaju antybiotyku, miejsca zakażenia i warunków środowiskowych.

Wartość modelu polega na ilościowym połączeniu informacji o genotypie bakterii z obserwowanym przebiegiem wzrostu, zabijania i pojawiania się oporności. Umożliwia to tworzenie symulacji uwzględniających cechy konkretnego izolatu zamiast opierania prognozy wyłącznie na średniej odpowiedzi danego gatunku.

Perspektywa personalizowanej antybiotykoterapii

Połączenie modelowania QSP z szybką diagnostyką genetyczną mogłoby w przyszłości wspomagać dobór schematu antybiotykoterapii do profilu oporności bakterii wyizolowanej od konkretnego pacjenta.

W ciężkich zakażeniach leczenie empiryczne musi być zwykle rozpoczęte jeszcze przed uzyskaniem pełnych wyników badań mikrobiologicznych. Dlatego nie należy zakładać, że analiza genomowa zawsze pozwoli wybrać terapię przed podaniem pierwszej dawki antybiotyku. Może natomiast pomóc w szybszym przejściu od leczenia empirycznego do zoptymalizowanej terapii celowanej.

Potencjalny proces mógłby obejmować identyfikację patogenu, ocenę lekowrażliwości, wykrycie istotnych mechanizmów oporności, uwzględnienie parametrów farmakokinetycznych pacjenta oraz przeprowadzenie symulacji różnych dawek i kombinacji leków.

Takie podejście wpisuje się w rozwój medycyny precyzyjnej w chorobach zakaźnych. Schemat leczenia byłby dostosowywany nie tylko do gatunku bakterii, ale także do profilu konkretnego izolatu, lokalizacji zakażenia oraz właściwości organizmu pacjenta.

Ograniczenia i znaczenie kliniczne wyników

Wyniki są obiecujące, ale ich interpretacja wymaga ostrożności. Badanie przeprowadzono poza organizmem człowieka, dlatego nie oceniano rzeczywistej skuteczności klinicznej, śmiertelności, czasu ustępowania zakażenia ani częstości działań niepożądanych.

Nie wiadomo jeszcze, czy obserwowana przewaga terapii skojarzonej zostanie potwierdzona w różnych rodzajach zakażeń, takich jak bakteriemia, zapalenie płuc czy zakażenia ośrodkowego układu nerwowego. Znaczenie mogą mieć również penetracja leków do miejsca zakażenia, czynność nerek, odpowiedź immunologiczna, wielkość inokulum bakteryjnego, obecność biofilmu i wcześniejsza antybiotykoterapia.

Nie można również automatycznie przenosić wyników uzyskanych dla badanych szczepów wysokiego ryzyka na wszystkie izolaty P. aeruginosa. Przewaga leczenia skojarzonego może zależeć od zestawu mechanizmów oporności występujących w danym szczepie.

Stosowanie dwóch β-laktamów może wpływać na ryzyko działań niepożądanych, interakcji, zaburzeń mikrobioty oraz selekcji oporności u innych drobnoustrojów. Ocena bilansu korzyści i ryzyka wymaga badań z udziałem pacjentów.

Krok w stronę bardziej precyzyjnego leczenia zakażeń

Badanie pokazuje, że tradycyjna ocena wrażliwości bakterii na antybiotyki może zostać uzupełniona danymi dotyczącymi dynamiki działania leków, charakterystyki genomowej izolatu i prawdopodobieństwa rozwoju oporności podczas terapii.

Najważniejszym rezultatem nie jest samo wskazanie jednej kombinacji antybiotyków, lecz opracowanie podejścia pozwalającego badać, dlaczego konkretne szczepy reagują odmiennie na te same leki. Może to pomóc w projektowaniu skuteczniejszych schematów, które z jednej strony szybko zmniejszają liczebność patogenu, a z drugiej ograniczają selekcję opornych subpopulacji.

Przed wdrożeniem tej strategii do rutynowej praktyki konieczne będą jednak dalsze badania obejmujące większą liczbę izolatów, różne mechanizmy oporności i modele zakażeń, a następnie odpowiednio zaprojektowane badania kliniczne.

Źródło: The Lancet Microbe, Dual β-lactam therapy against high-risk Pseudomonas aeruginosa isolates: a dynamic in-vitro infection model study integrating population genomics with quantitative systems pharmacology modelling and simulations.
DOI: https://doi.org/10.1016/j.lanmic.2026.101364