ディスク拡散感受性試験からのカルバペネマーゼ直接型判定：MALCA（機械学習CArbapenemase）

概要

日常のディスク拡散データのみを用いて、MALCAは外部検証でも感度・特異度96%以上でCPE検出とカルバペネマーゼ型判定を実現した。既存スクリーニング法を上回る迅速・低コストの手法で、敗血症を含む重症感染症における標的治療の早期決定に資する。

主要発見

• 11,992分離株で学習し、8,514分離株で外部検証したMALCA-22およびMALCA-8の2分類器を構築。
• CPE検出で両分類器とも感度・特異度96%以上、主要型（OXA-48様、NDM、KPC）では感度>97%、特異度>98%を達成。
• 日常のディスク拡散データのみで、欧州およびフランスの既存CPEスクリーニングアルゴリズムを上回る性能を示した。

臨床的意義

MALCAを検査情報システムに統合すれば、日常感受性結果から同日内に型判定が可能となり、敗血症が疑われる・確認された症例でKPC/OXA-48様にはセフタジジム・アビバクタム、NDMにはアズトレオナム・アビバクタム等の早期選択を支援できる。

限界

• 施設ごとの抗菌薬パネルやブレークポイントに依存し得るため、希少カルバペネマーゼへの一般化は不確実。
• 適正治療開始までの時間や臨床転帰への影響は前向きに測定されていない。

今後の方向性

多様な環境（資源制限地域を含む）での前向き実装試験により、適正治療までの時間、死亡率、抗菌薬適正使用指標への影響を評価する。