Desarrollo de Fármacos

Área de la Ciencia:

• Neurociencia; Biomarcadores; Ensayos Clínicos

Sus antecedentes:

• La variabilidad del declive cognitivo en la enfermedad de Alzheimer (EA) preclínica complica la evaluación del tratamiento. El desarrollo de modelos predictivos para la progresión cognitiva es crucial para mejorar la precisión de los ensayos clínicos.

Objetivo del estudio:

• Desarrollar y validar modelos que pronostiquen el declive cognitivo en la EA preclínica. Evaluar el potencial de estos modelos para mejorar las estimaciones del efecto del tratamiento en ensayos clínicos.

Principales métodos:

• Se utilizaron datos del ensayo de Fase III de Solanezumab en EA preclínica positiva para amiloide. Se desarrolló un modelo predictivo para el declive del Compuesto Cognitivo Preclínico de Alzheimer (PACC) utilizando datos demográficos, APOE ε4 y datos clínicos basales. Se evaluó el valor añadido de las medidas de Centiloide de PET amiloide (CL), pTau217 plasmático, RM y PET tau.

Principales resultados:

• Un modelo que incorpora datos demográficos, CL y evaluaciones clínicas explicó el 16% del declive de PACC. La adición de RM mejoró la predicción al 23%; el pTau217 plasmático o la PET tau la aumentaron al 25% y 42%, respectivamente. La PET tau basal fue el predictor más fuerte; las simulaciones mostraron que el uso del declive de PACC predicho como Covariable Pronóstica de Alzheimer (APC) redujo la varianza en un 20,3% y aumentó la potencia al 88%.

Conclusiones:

• La PET tau basal es el predictor más significativo del declive cognitivo en la EA preclínica. La implementación del declive de PACC predicho basal como APC mejora la estimación del efecto del tratamiento. Este enfoque predictivo mejora la eficiencia de los ensayos clínicos para la enfermedad de Alzheimer preclínica.