Utiliser la chronobiologie pour améliorer l'efficacité du lenvatinib

Des traitements systémiques du cancer de la thyroïde ont vu le jour au cours de la dernière décennie, accompagnés d'une compréhension plus approfondie de ses mécanismes moléculaires sous-jacents. Parmi ceux-ci, le lenvatinib, un inhibiteur multi-ciblé de la tyrosine kinase, a été approuvé comme monothérapie pour le traitement du cancer de la thyroïde différencié localement avancé ou métastatique réfractaire à l'iode radioactif. Malgré son efficacité, le lenvatinib est associé à un éventail d'événements indésirables (EI), notamment l'hypertension, la fatigue, la protéinurie et les troubles gastro-intestinaux, qui nécessitent souvent une réduction de dose, une interruption ou un arrêt définitif. Pour surmonter ces défis, les enquêteurs s'adressent au principe des troubles contraints (CDP), une approche innovante qui met l'accent sur l'exploration de la variabilité contrainte dans les schémas thérapeutiques pour optimiser l'efficacité des médicaments et minimiser les EI. Dans d’autres contextes pathologiques, tels que l’insuffisance cardiaque congestive, la sclérose en plaques et la douleur chronique, l’intégration de systèmes d’intelligence artificielle (IA) de deuxième génération basés sur le CDP dans les schémas thérapeutiques a montré des résultats prometteurs dans l’amélioration des résultats thérapeutiques en ajustant dynamiquement les paramètres de traitement. Les enquêteurs émettent l'hypothèse qu'un ajustement dynamique personnalisé des doses de lenvatinib et du calendrier d'administration, guidé par une approche basée sur l'IA via une application mobile, peut réduire les EI, améliorer l'observance et améliorer l'efficacité globale du traitement. Dans cette étude de validation de principe, les enquêteurs visent à évaluer la faisabilité et l'efficacité de l'utilisation d'un système d'IA de deuxième génération basé sur le CDP pour optimiser le schéma thérapeutique du lenvatinib chez les patients atteints de cancer.