Personal investigador de FISABIO i la Universitat de Nova York desenvolupen una eina que prediu la resposta al tractament de l’artritis
Un estudi de col·laboració entre FISABIO (Fundació per a l’Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana) i el departament de Reumatologia de la Facultat de Medicina de la Universitat de Nova York, liderat pels investigadors Carles Úbeda i Jose Scher, ha demostrat per primera vegada com la microbiota intestinal influeix en la resposta a el tractament més utilitzat per l’artritis reumatoide: el metotrexat.
El camp de la reumatologia no té les eines òptimes per decidir quin medicament és més adequat en cada cas. Quan s’administra de forma oral el metotrexat per tractar l’artritis reumatoide, només el 50% dels pacients aconsegueix un resultat clínic adequat.
Amb aquest estudi, publicat a la revista ‘Arthritis & Rheumatology’ -una de les més prestigioses en aquest camp-, s’ha desenvolupat un model matemàtic capaç de predir, abans de l’inici de l’tractament, si una persona amb artritis respondrà o no a aquest .
«Hem estat capaços de generar un model matemàtic que prediu la resposta a l’tractament mitjançant l’anàlisi dels gens que conformen el microbioma de l’pacient», ha assegurat Carles Úbeda, investigador principal del grup de FISABIO ‘Microbiota, infecció i inflamació’.
Desenvolupament de l’estudi
La investigació va començar amb 26 pacients amb artritis reumatoide als que es va prendre una mostra fecal 48 hores abans de l’inici de l’tractament. Quatre mesos després se’ls va dividir en dos grups: els / les pacients que sí que van respondre a el tractament i, per tant, la situació clínica havia millorat i aquells que no havien respost bé.
El grup de recerca va analitzar, a través de tècniques de seqüenciació massiva, tant la composició de la microbiota com les funcions bacterianes de cada un dels gens que la conformen. D’aquesta manera, els / les investigadors / es van poder definir que la microbiota intestinal de les persones que no van respondre a l’fàrmac era més diversa i presentava diferències en diverses funcions bacterianes, incloses algunes relacionades amb la metabolització de l’fàrmac.
L’equip d’investigació va demostrar de manera experimental que els / les pacients que no responen a l’tractament són aquells / es que presenten microbiomas amb major capacitat de disminuir la concentració de fàrmac disponible. Per a això, van conrear mostres de femta amb el medicament. A les 24 hores van mesurar la concentració de l’fàrmac i van observar una correlació negativa entre el metotrexat que quedava disponible i la resposta real de l’pacient a el tractament quatre mesos després.
model predictiu
Amb tota aquesta informació l’equip ha desenvolupat una eina que utilitza algoritmes de ‘machine learning’ capaç de predir, analitzant la microbiota intestinal, si els o les pacients respondran o no a el tractament abans que aquest s’iniciï.
Aquesta eina es va validar amb 21 pacients més a qui se’ls va analitzar prèviament la microbiota i se’ls va agrupar segons si respondrien o no a el tractament. Les dades es van comparar amb la resposta real als quatre mesos i es va demostrar que el model matemàtic predir la fallada de l’tractament en la majoria dels pacients que no van respondre a aquest.
Aquesta eina permet identificar pacients que no tindran una resposta adequada a el tractament. D’aquesta manera, si s’aplica en la pràctica clínica, permetrà que cada pacient rebi un tractament alternatiu a l’metotrexat perquè la malaltia no avanci.
«Esperem que el nostre model predictiu pugui ajudar a la clínica a seleccionar un tractament més adequat per tractar el pacient amb artritis reumatoide», ha explicat Úbeda.
L’estudi obre les portes a el disseny d’estratègies per modular la microbiota i així millorar l’absorció i efectivitat d’aquest fàrmac per tractar l’artritis reumatoide, malaltia que afecta l’1% de la població mundial,
La investigació, en què també han participat investigadors / es de la Universitat de Navarra, l’IIS La Fe, la Universitat de Califòrnia i Penn State University, ha estat finançat pel Ministeri d’Economia (SAF2017-90083-R); Fons Feder; l’Agència Estatal d’Investigació i la Conselleria d’Innovació, Universitats, Ciència ySociedad Digital (AICO / 2019/266),.
Informació i Foto. Generalitat Valenciana