Los investigadores que desarrollaron recientemente un modelo matemático que indicaba porqué las respuestas al tratamiento varían ampliamente entre las personas con Covid-19, ahora, han utilizado este modelo para identificar marcadores biológicos relacionados con estas diferentes respuestas.
Precisamente, 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.
El trabajo se inició porque la COVID-19 es extremadamente heterogénea, 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”, han explicado los investigadores.
“Para predecir la progresión de la enfermedad y personalizar el tratamiento, es necesario determinar las asociaciones entre las características clínicas, biomarcadores y biología subyacente. Aunque esto se puede lograr en el transcurso de numerosos ensayos clínicos, este proceso requiere mucho tiempo y es extremadamente costoso”, han añadido.
El modelo revela ciertos marcadores biológicos que difieren según las características del paciente y la respuesta al tratamiento
Por ello, como alternativa, los investigadores han usado 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, así como 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. "Usando un novedoso sistema de calificación 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", han explicado.
Además, los investigadores también descubrieron que el momento óptimo para iniciar la terapia de inmunomodulación difiere entre pacientes y también depende del medicamento 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.
Para la 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. "Dicho 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", han finalizado los investigadores.