Uso de la cronobiología para mejorar la eficacia de lenvatinib

En la última década han surgido tratamientos sistémicos para el cáncer de tiroides, acompañados de una comprensión más profunda de sus mecanismos moleculares subyacentes. Entre estos, lenvatinib, un inhibidor de la tirosina quinasa de múltiples objetivos, fue aprobado como monoterapia para el tratamiento del cáncer de tiroides diferenciado refractario al yodo radiactivo localmente avanzado o metastásico. A pesar de su eficacia, lenvatinib se asocia con un espectro de eventos adversos (EA), que incluyen hipertensión, fatiga, proteinuria y trastornos gastrointestinales, que a menudo requieren una reducción de la dosis, interrupción o suspensión permanente. Para superar estos desafíos, los investigadores se dirigen al Principio del trastorno restringido (CDP), un enfoque innovador que enfatiza la exploración de la variabilidad restringida en los regímenes de tratamiento para optimizar la eficacia de los fármacos y minimizar los EA. En otros contextos de enfermedades, como la insuficiencia cardíaca congestiva, la esclerosis múltiple y el dolor crónico, la integración de sistemas de inteligencia artificial (IA) de segunda generación basados ​​en CDP en los regímenes de tratamiento ha mostrado resultados prometedores en la mejora de los resultados terapéuticos mediante el ajuste dinámico de los parámetros del tratamiento. Los investigadores plantean la hipótesis de que un ajuste dinámico personalizado de las dosis de lenvatinib y el momento de la administración, guiado por un enfoque impulsado por IA a través de una aplicación móvil, puede reducir los EA, mejorar la adherencia y mejorar la eficacia general del tratamiento. En este estudio de prueba de concepto, los investigadores tienen como objetivo evaluar la viabilidad y eficacia de utilizar un sistema de IA de segunda generación basado en CDP para optimizar el régimen terapéutico de lenvatinib en pacientes con cáncer.