Uso de datos para personalizar el tratamiento de cada paciente

La [Iniciativa para la salud cerebral en la esclerosis múltiple] ha resaltado la importancia de una intervención temprana efectiva para prevenir las incapacidades causadas por la EM a largo plazo. No obstante, como cada EM es diferente y cada persona puede responder a los medicamentos de forma muy distinta, resulta complicado adaptar la medicación adecuada a la persona correcta en las etapas iniciales de la enfermedad. A menudo esto supone que los pacientes pasan por un periodo de prueba y error en un intento de encontrar el tratamiento adecuado, resultando potencialmente en un daño neurológico.

Investigadores internacionales han estado utilizando una gran base de datos clínica global de pacientes con EM denominada MSBase para predecir la respuesta de un individuo a los tratamientos. La base contiene información clínica de más de 52 000 pacientes de EM en todo el mundo. Este estudio estuvo liderado por el Dr. Tomas Kalincik de la Universidad de Melbourne (Australia), y utilizó datos de casi 9000 pacientes de la base de datos para desarrollar un algoritmo capaz de predecir la respuesta de un individuo al tratamiento.

Usando datos de 117 hospitales y clínicas de 34 países donde se trata la EM, los científicos observaron la edad, el sexo, el curso de la enfermedad, la duración de la misma, los tratamientos previos, los cambios en las discapacidades, los tipos de síntomas de la EM y el número y la ubicación de las lesiones. Usando toda esta información, trataron de predecir el resultado de varias opciones de tratamiento de la EM.

Una vez creado el algoritmo, lo aplicaron a los datos de un paciente independiente elegido del Registro Sueco de Esclerosis Múltiple para ver si funcionaba. Descubrieron que podían predecir, razonablemente, la respuesta de un individuo a su tratamiento en más del 80 % de los casos. Específicamente, podían predecir la discapacidad y las recaídas. Los investigadores lograron cierto éxito prediciendo la conversión de la EM remitente-recurrente en EM progresiva secundaria.

Por ejemplo, este modelo demostró que, en las terapias inyectables, había una probabilidad mayor de progresión de la discapacidad durante el tratamiento si había una mayor discapacidad al inicio del mismo, y que las terapias previas utilizadas también influían en el resultado. En cuanto a fingolimod, natalizumab o mitoxantrona, la progresión de la enfermedad se asoció principalmente a una menor actividad de la enfermedad antes del tratamiento. También demostraron que la combinación de los factores observados tenía un mayor valor predictivo que la de cada variable individual.

Los científicos están poniendo su modelo a disposición de los demás neurólogos a través de una herramienta basada en la web, permitiendo la traducción rápida de la investigación en un beneficio clínico. Aunque este algoritmo no ofrece a los médicos una respuesta definitiva sobre cuál es el mejor tratamiento, les ayuda a tomar decisiones más informadas que pueden reducir el impacto de la enfermedad en los pacientes.

El Dr. Matthew Miles, director ejecutivo de MS Research Australia, aseguró que se trata de una enfermedad muy compleja y variada, pero tratarla en fases tempranas ayuda a lograr resultados mucho mejores a largo plazo. «Este último estudio ha dado como resultado una herramienta innovadora que permitirá a los neurólogos predecir la medicación más adecuada en la consulta con sus pacientes».

Aunque las predicciones pueden no ser precisas al 100 %, mejorarán enormemente el proceso de hacer coincidir al paciente adecuado con el tratamiento correcto en el momento indicado, lo que tendrá efectos positivos en los pacientes.