Un prototipo de aprendizaje automático multimodal traslacional que predice la respuesta del valproato en el...

Área de la Ciencia:

• Farmacogenómica
• La neurociencia
• Biología computacional

Sus antecedentes:

• La epilepsia afecta al 1% de la población mundial, que a menudo requiere tratamiento con medicamentos anticonvulsivos a largo plazo.
• La selección actual de ASM se basa en ensayos y errores, con solo el 50% de los pacientes logrando una liberación sostenida de las convulsiones en los tratamientos de primera línea.
• El ácido valproico (VPA), un MEA común de primera línea, muestra una eficacia y tolerabilidad subóptimas en casi el 50% de los pacientes, lo que lleva a un control inadecuado de las convulsiones (ISC) o a reacciones adversas inaceptables (ARU).

Objetivo del estudio:

• Desarrollar y validar un algoritmo predictivo para optimizar las decisiones de tratamiento con ácido valproico (AVP) en pacientes con epilepsia.
• Integrar los datos multimodales, incluida la respuesta neuronal in vitro y las variaciones genéticas, para la terapia personalizada de VPA.
• Para reducir los retrasos en el tratamiento, la carga del paciente y los costos de atención médica asociados con el tratamiento subóptimo de VPA.

Principales métodos:

• Desarrolló un algoritmo predictivo que integra datos in vitro, variaciones genéticas (comunes y raras) y conocimiento previo.
• Utilizó una tubería multimodal centrada en genes relacionados con la farmacodinámica y la farmacocinética del VPA.
• Entrenado y validado el algoritmo utilizando conjuntos de datos multiétnicos y la cohorte Epi25, con validación de prueba de concepto en una cohorte independiente.

Principales resultados:

• El algoritmo predictivo demostró un rendimiento general modesto, pero destacó el valor clínico potencial a través de la precisión de la predicción y el alto valor predictivo negativo.
• El modelo mostró potencial para reducir significativamente el tiempo hasta el éxito del tratamiento con VPA.
• Reducción estimada de la carga para el paciente y los costos de atención médica asociados con el tratamiento de la epilepsia.

Conclusiones:

• Un algoritmo basado en biomarcadores traslacionales es prometedor para la personalización del tratamiento de VPA en la epilepsia, yendo más allá de un enfoque único para todos.
• El prototipo desarrollado, aunque aún no está clínicamente listo debido a los requisitos de datos (SNP y WES), indica un camino viable hacia una mayor eficacia del tratamiento.
• La terapia personalizada de VPA puede mejorar la calidad de vida acortando el tiempo para tomar la libertad y minimizando ISC y UAR.