Los investigadores que recientemente desarrollaron un modelo matemático que indicaba por qué las respuestas al tratamiento varían ampliamente entre las personas con COVID-19 ahora han utilizado el modelo para identificar marcadores biológicos relacionados con estas diferentes respuestas.
El equipo, dirigido por científicos del Hospital General de Massachusetts (MGH) y la Universidad de Chipre, señala que el modelo se puede utilizar para proporcionar una mejor comprensión de las complejas interacciones entre la enfermedad y la respuesta y puede ayudar a los médicos a brindar una atención óptima para diversos pacientes
La obra, que se publica en EBioMedicinase inició porque COVID-19 es extremadamente heterogéneo, lo que significa que la enfermedad después de la infección por SARS-CoV-2 varía de condiciones asintomáticas a potencialmente mortales, como insuficiencia respiratoria o síndrome de dificultad respiratoria aguda (SDRA), en el que se acumula líquido en los pulmones.
«Incluso dentro del subconjunto de pacientes críticamente enfermos con COVID-19 que desarrollan ARDS, existe una heterogeneidad sustancial. Se han hecho esfuerzos significativos para identificar subtipos de ARDS definidos por características clínicas o biomarcadores», explica el coautor principal Rakesh K. Jain, PhD , director de EL Steele Laboratories for Tumor Biology en MGH y profesor Andrew Werk Cook de oncología radioterápica en Harvard Medical School (HMS). «Para predecir la progresión de la enfermedad y personalizar el tratamiento, es necesario determinar las asociaciones entre las características clínicas, los biomarcadores y la biología subyacente. Aunque esto se puede lograr en el transcurso de numerosos ensayos clínicos, este proceso requiere mucho tiempo y es extremadamente costoso».
Como alternativa, Jain y sus colegas usaron su modelo para analizar los efectos que las diferentes características de los pacientes producen en los resultados después del tratamiento con diferentes terapias. Esto permitió al equipo determinar el tratamiento óptimo para distintas categorías de pacientes, revelar vías biológicas responsables de diferentes respuestas clínicas e identificar marcadores de estas vías.
Los investigadores simularon seis tipos de pacientes (definidos por la presencia o ausencia de diferentes comorbilidades) y tres tipos de terapias que modulan el sistema inmunitario.
Utilizando un novedoso sistema de puntuación de la eficacia del tratamiento, descubrimos que los pacientes mayores e hiperinflamados responden mejor a la terapia de inmunomodulación que los pacientes obesos y diabéticos..»
Lance Munn, PhD, coautor principal del estudio y autor correspondiente, director adjunto de Steele Labs y profesor asociado de la Escuela de Medicina de Harvard
«También descubrimos que el momento óptimo para iniciar la terapia de inmunomodulación difiere entre los pacientes y también depende del fármaco en sí». Ciertos marcadores biológicos que diferían según las características del paciente determinaban el momento óptimo de inicio del tratamiento, y estos marcadores apuntaban a programas o mecanismos biológicos particulares que afectaban el resultado de un paciente. Los marcadores también coincidieron con los marcadores identificados clínicamente de la gravedad de la enfermedad.
Para COVID-19, así como para otras condiciones, el enfoque del equipo podría permitir a los investigadores enriquecer un ensayo clínico con pacientes con mayor probabilidad de responder a un medicamento determinado. «Tal enriquecimiento basado en biomarcadores predichos prospectivamente es una estrategia potencial para aumentar la precisión de los ensayos clínicos y acelerar el desarrollo de la terapia», dice el coautor principal Triantafyllos Stylianopoulos, PhD, profesor asociado de la Universidad de Chipre.
