Le infezioni dovute a batteri resistenti agli antibiotici sono tra le principali cause di morte in tutto il mondo per persone di tutte le età. La resistenza antimicrobica (AMR) è pertanto una sfida globale di grande attualità che richiede un’azione congiunta e sinergica di esperti in diversi settori. Come evidenziato dalla pandemia di COVID-19, i modelli matematici sono fondamentali per aiutare a prevenire, prevedere e controllare la diffusione delle malattie infettive. Sono quindi necessari nuovi modelli matematici di resistenza antimicrobica che catturino fenomeni su scale diverse e ne rappresentino le incertezze e la variabilità.
Il progetto PRIDE (Proliferation, Resistance and Infection Dynamics in Epidemics) mira a sviluppare nuovi modelli matematici su scale diverse per rappresentare l’evoluzione dinamica della resistenza antimicrobica e favorirne la prevenzione e il controllo (somministrazione, sospensione, e tempistica della terapia antibiotica). In particolare, il modello sarà composto da diversi livelli interagenti che tengono conto sia della dinamica interna al singolo paziente, sia dell'interazione tra individui e l'ambiente. I livelli del modello nei singoli soggetti cattureranno l’insorgenza della resistenza antimicrobica nei batteri, dovuta alla mutazione e alla selezione in caso di intensa esposizione agli antibiotici, e la sua diffusione nelle popolazioni batteriche tramite trasferimento orizzontale. I livelli del modello tra ospiti descriveranno invece il contagio tra gli individui, concentrandosi sull’ambiente ospedaliero, sulla trasmissione tra gli ospedali e l’intera comunità.
PRIDE integrerà modelli compartimentali, sia deterministici sia stocastici per descrivere la mutazione, la selezione, il trasferimento di geni resistenti, così come il contagio e la diffusione dell'infezione. Come caratteristica originale e distintiva, i modelli sviluppati saranno orientati al controllo: oltre a fornire una visione più approfondita della diffusione della resistenza antimicrobica nel singolo paziente e tra gli individui, i modelli consentiranno di progettare strategie di controllo avanzate per una prevenzione ottimale della resistenza antimicrobica. Per verificare la correttezza dei modelli, la stima dei parametri e l’efficacia degli algoritmi progettati, si prevede l’uso di dati attualmente disponibili in forma aggregata presso il Policlinico San Matteo di Pavia.
