Τα γονίδια προβλέπουν την ανταπόκριση των ασθενών με ρευματοειδή αρθρίτιδα στις θεραπείες

11:05 24/6/2022 - Πηγή: Dikaiologitika

Σύμφωνα με μια νέα μελέτη Βρετανών επιστημόνων, το μοριακό προφίλ του πάσχοντος ιστού των αρθρώσεων, αλλά και ορισμένα γονίδια που σχετίζονται με την αντίσταση στα φάρμακα επηρεάζουν τη θεραπεία ασθενών με ρευματοειδή αρθρίτιδα

Η ρευματοειδής αρθρίτιδα (ΡΑ) είναι μία χρόνια αυτοάνοση φλεγμονώδης νόσος που χαρακτηρίζεται κυρίως από φλεγμονή και καταστροφή των αρθρώσεων σε συνδυασμό

με ορολογικά ευρήματα αυτοανοσίας. Αν και έχει σημειωθεί σημαντική βελτίωση στη θεραπεία της αρθρίτιδας τις τελευταίες δεκαετίες, ένα μεγάλο ποσοστό ατόμων (περίπου 40%) δεν ανταποκρίνεται σε συγκεκριμένες φαρμακευτικές θεραπείες , ενώ ο οργανισμός ενός ποσοστού 5-20% ατόμων με την πάθηση αντιστέκεται σε όλα τα υπάρχοντα είδη φαρμάκων.

Ερευνητές από το Πανεπιστήμιο Queen Mary του Λονδίνου διεξήγαγαν μια κλινική μελέτη βασισμένη σε βιοψίες 164 ασθενών με ρευματοειδή αρθρίτιδα, δοκιμάζοντας τις αντιδράσεις τους στο rituximab ή το tocilizumab, δύο φάρμακα (μονοκλωνικά αντισώματα) που χρησιμοποιούνται συνήθως για τη θεραπεία της πάθησης.

Από πολλά πειραματικά δεδομένα έχει καταστεί σαφές ότι τα Β-λεμφοκύτταρα μπορεί να διαδραματίζουν σημαντικό ρόλο στην παθογένεια της ρευματοειδούς αρθρίτιδας (ΡΑ). Τα ευρήματα της αρχικής δοκιμής, που δημοσιεύθηκαν στο περιοδικό The Lancet το 2021, έδειξαν ότι μόλις το 12% ατόμων με χαμηλή γενετική υπογραφή αρθρικών λεμφοκυττάρων Β αντέδρασαν σε μια θεραπεία που τα στοχεύει (ριτουξιμάμπη), ενώ το 50% ανταποκρίθηκε σε μια εναλλακτική φαρμακευτική αγωγή (τοσιλιζουμάμπη). Και τα δύο φάρμακα ήταν εξίσου αποτελεσματικά όταν οι ασθενείς έφεραν σε μεγάλο βαθμό τη σημαντική αυτή γενετική υπογραφή.

Η ομάδα του Queen Mary εξετάζοντας τις περιπτώσεις ασθενών που δεν ανταποκρίθηκαν στη θεραπεία διαπίστωσαν την ύπαρξη 1.277 γονιδίων που ήταν μοναδικά για αυτούς. Βασιζόμενοι σε αυτό, οι ερευνητές ανέπτυξαν, με μοντέλα μηχανικής μάθησης, αλγόριθμους που θα μπορούσαν να προβλέψουν εξατομικευμένα τις αντιδράσεις των ασθενών στη φαρμακευτική αγωγή. Οι αλγόριθμοι μηχανικής μάθησης, που στηρίχτηκαν στο γονιδιακό προφίλ των ατόμων (βιοψίες), προέβλεψαν καλύτερα την κατάλληλη θεραπεία σε σύγκριση με ένα μοντέλο που χρησιμοποιούσε μόνο παθολογία ιστού ή κλινικούς παράγοντες.

Η μελέτη υποστηρίζει σθεναρά τη διερεύνηση του γονιδιακού προφίλ ασθενών μέσα από βιοψίες των αρθρώσεων πριν από τη συνταγογράφηση δαπανηρών αποκαλούμενων βιολογικών στοχευμένων θεραπειών. Αυτό θα μπορούσε να εξοικονομήσει πολύ χρόνο και χρήμα στα συστήματα υγείας και να βοηθήσει στην αποφυγή πιθανών ανεπιθύμητων παρενεργειών, βλαβών των αρθρώσεων και χειρότερων εκβάσεων που είναι κοινά μεταξύ των ασθενών.

Εκτός από τη σωστή συνταγογράφηση, τέτοιες δοκιμές θα μπορούσαν επίσης να ρίξουν φως στην αδυναμία ανταπόκρισης των ασθενών στα φάρμακα που κυκλοφορούν στην αγορά, τονίζοντας την ανάγκη ανάπτυξης εναλλακτικών φαρμάκων.

Ο Costantino Pitzalis, Καθηγητής Ρευματολογίας στο Πανεπιστήμιο Queen Mary του Λονδίνου, λέει: «Η ενσωμάτωση μοριακών πληροφοριών πριν από τη συνταγογράφηση θεραπειών αρθρίτιδας σε ασθενείς θα μπορούσε να αλλάξει για πάντα τον τρόπο με τον οποίο αντιμετωπίζουμε την πάθηση.

Οι ασθενείς θα επωφεληθούν από μια εξατομικευμένη προσέγγιση που έχει πολύ μεγαλύτερες πιθανότητες επιτυχίας, παρά από τη δοκιμαστική συνταγογράφηση φαρμάκων που είναι επί του παρόντος είναι ο κανόνας. Τα αποτελέσματα είναι επίσης σημαντικά για την εξεύρεση λύσεων για εκείνους τους ανθρώπους που δυστυχώς δεν βρίσκουν θεραπεία που να τους βοηθά επί του παρόντος. Γνωρίζοντας ποια συγκεκριμένα μοριακά προφίλ συμβάλλουν σε αυτό και ποια μονοπάτια συνεχίζουν να οδηγούν τη δραστηριότητα της νόσου σε αυτούς τους ασθενείς, μπορεί να βοηθήσει στην ανάπτυξη νέων φαρμάκων που θα φέρουν καλύτερα αποτελέσματα και στην ανακούφιση από τον πόνο και την ταλαιπωρία».

Η ενσωμάτωση αυτών των γενετικών υπογραφών σε μελλοντικές διαγνωστικές δοκιμές θα εξελιχθεί σε ένα απαραίτητο βήμα για τη μετάφραση των ευρημάτων σε κλινική φροντίδα ρουτίνας.

Πηγή: Nature Medicine

#ΓΟΝΙΔΙΑ #ΑΝΤΑΠΟΚΡΙΣΗ #ΡΕΥΜΑΤΟΕΙΔΗ_ΑΡΘΡΙΤΙΔΑ