Un modello di apprendimento basato sull’intelligenza artificiale è stato in grado di predire la risposta al metotressato in pazienti con artrite reumatoide
Un modello di apprendimento basato sull’intelligenza artificiale, che ha combinato le informazioni relative ad alcuni biomarker farmacogenomici con la conta articolare iniziale DAS28 è stato in grado di predire la risposta al metotressato in pazienti con artrite reumatoide (AR) all’esordio. Queste le conclusioni di uno studio pubblicato su Arthritis Care & Research che suggeriscono la possibilità di ottimizzazione dell’impiego di questo farmaco in questi pazienti.
I presupposti dello studio
“Il metotressato (MTX) rimane ancora oggi il DMARD iniziale preferito da utilizzare nell’AR – ricordano i ricercatori nell’introduzione allo studio – eppure ancora oggi molti pazienti non traggono il massimo beneficio dal trattamento con questo farmaco un ragione di un controllo non soddisfacente dell’attività di malattia o del riscontro di effetti collaterali a seguito del suo impiego”.
“Predire precocemente la risposta a MTX – ad esempio dopo soli 3 mesi di trattamento – potrebbe rivelarsi utile per impostare un’accurata titolazione della posologia del farmaco al fine di migliorare il controllo dell’AR, senza però andare incontro al rischio di effetti collaterali da trattamento nei pazienti con AR all’esordio”.
L’assenza di algoritmi di predizione della risposta a MTX clinicamente utili in questo contesto, anche nell’ottica di un’ottimizzazione dell’impiego di questo farmaco, ha sollecitato la messa a punto di questo nuovo studio che è ricorso alle tecniche di apprendimento basate sull’intelligenza artificiale per identificare alcuni biomarcatori clinici e genomici utili nella predizione della risposta al trattamento in pazienti con AR all’esordio.
A questo scopo, i ricercatori hanno attinto, in primis, ai dati demografici, clinici e genomici di 643 pazienti con AR in fase iniziale del consorzio PAMERA (the combined Mayo Clinic and Pharmacogenetics of Methotrexate in Rheumatoid Arthritis). Questi pazienti sono stati suddivisi in una coorte di “training” e in una coorte di validazione. Considerando i dati genomici, questi erano relativi a 160 polimorfismi a nucleotide singolo (SNP) precedentemente legati all’AR o al metabolismo di MTX.
Dopo aver “addestrato” gli strumenti di apprendimento basati sull’intelligenza artificiale con i dati sopra indicati relativi a 336 pazienti, è stata successivamente valutata la performance predittiva del modello di intelligenza artificiale sulla coorte di validazione, costituita da 307 pazienti.
La risposta al trattamento con MTX a 3 mesi era definita “buona” o “moderata” in base ai criteri EULAR.
Risultati principali
Dall’analisi dei dati è emerso che il ricorso ai metodi di apprendimento basati sull’intelligenza artificiale che combinavano il sesso di appartenenza, l’età, lo stato di fumatore, la positività al fattore reumatoide, la conta articolare DAS28 e i 160 SNP legati all’AR o al metabolismo di MTX era in grado di predire la risposta EULAR al farmaco a 3 mesi.
Nella coorte di validazione, inoltre, l’accuratezza della predizione derivata dall’impiego dell’intelligenza artificiale è stata pari al 76% (p=0,05), con una sensibilità del 72% e una specificità del 77%.
Non solo: alcuni SNP, combinati con il DAS28 al basale, sono risultati essere migliori predittori di risposta a MTX nell’AR all’esordio.
Riassumendo
In conclusione, “alcuni biomarker farmacogenomici, combinati con il punteggio DAS28 al basale, possono essere utili nel predire la risposta a MTX nei pazienti con AR all’esordio . scrivono i ricercatori nelle conclusioni del lavoro”.
“L’applicazione dei metodi di apprendimento basati sull’intelligenza artificiale per predire la risposta al trattamento – continuano – si rivela una strategia promettente per guidare le scelte di trattamento più efficaci a livello individuale, compresa un’accurata titolazione della posologia delle terapie in uso nell’AR”.
Di qui l’auspicio alla messa a punto di nuovi studi di medicina personalizzata in reumatologia, in grado di ottimizzare i trattamenti in essere nell’ottica di una medicina sartoriale, personalizzata in base alle caratteristiche del singolo paziente.
Bibliografia
Myasoedova E et al. Towards Individualized Prediction of Response to Methotrexate in Early Rheumatoid Arthritis: a Pharmacogenomics-driven Machine Learning Approach. Arthritis Care Res. 2021;doi:10.1002/acr.24834.
Leggi