Verwendung der Chronobiologie zur Verbesserung der Wirksamkeit von Lenvatinib

Im letzten Jahrzehnt wurden systemische Behandlungen für Schilddrüsenkrebs entwickelt, die mit einem tieferen Verständnis der zugrunde liegenden molekularen Mechanismen einhergingen. Unter diesen wurde Lenvatinib, ein vielseitig wirkender Tyrosinkinase-Inhibitor, als Monotherapie zur Behandlung von lokal fortgeschrittenem oder metastasiertem radioaktivem Jod refraktärem differenziertem Schilddrüsenkrebs zugelassen. Trotz seiner Wirksamkeit ist Lenvatinib mit einer Reihe unerwünschter Ereignisse (UE) verbunden, darunter Bluthochdruck, Müdigkeit, Proteinurie und Magen-Darm-Störungen, die häufig eine Dosisreduktion, eine Unterbrechung oder ein dauerhaftes Absetzen erforderlich machen. Um diese Herausforderungen zu bewältigen, greifen die Forscher auf das Constrained Disorder Principle (CDP) zurück, einen innovativen Ansatz, der die Erforschung eingeschränkter Variabilität in Behandlungsschemata zur Optimierung der Arzneimittelwirksamkeit und zur Minimierung unerwünschter Nebenwirkungen betont. In anderen Krankheitskontexten wie Herzinsuffizienz, Multipler Sklerose und chronischen Schmerzen hat die Integration von CDP-basierten Systemen der zweiten Generation künstlicher Intelligenz (KI) in Behandlungspläne vielversprechende Ergebnisse bei der Verbesserung der Therapieergebnisse durch dynamische Anpassung der Behandlungsparameter gezeigt. Die Forscher gehen davon aus, dass eine personalisierte dynamische Anpassung der Lenvatinib-Dosierungen und des Verabreichungszeitpunkts, gesteuert durch einen KI-gesteuerten Ansatz über eine mobile Anwendung, Nebenwirkungen reduzieren, die Therapietreue verbessern und die Gesamtwirksamkeit der Behandlung steigern kann. In dieser Proof-of-Concept-Studie wollen die Forscher die Machbarkeit und Wirksamkeit des Einsatzes eines CDP-basierten KI-Systems der zweiten Generation zur Optimierung des Therapieschemas von Lenvatinib bei Krebspatienten bewerten.