Utilizzo della cronobiologia per migliorare l'efficacia di lenvatinib

Negli ultimi dieci anni sono emersi trattamenti sistemici per il cancro della tiroide, accompagnati da una più profonda comprensione dei meccanismi molecolari sottostanti. Tra questi, lenvatinib, un inibitore multi-bersaglio della tirosina chinasi, è stato approvato come monoterapia per il trattamento del cancro differenziato della tiroide differenziato refrattario allo iodio radioattivo localmente avanzato o metastatico. Nonostante la sua efficacia, lenvatinib è associato a uno spettro di eventi avversi (EA), tra cui ipertensione, affaticamento, proteinuria e disturbi gastrointestinali, che spesso richiedono una riduzione della dose, un’interruzione o una sospensione permanente. Per superare queste sfide, i ricercatori si rivolgono al Principio del disturbo vincolato (CDP), un approccio innovativo che enfatizza l’esplorazione della variabilità vincolata nei regimi di trattamento per ottimizzare l’efficacia dei farmaci e ridurre al minimo gli eventi avversi. In altri contesti patologici, come l’insufficienza cardiaca congestizia, la sclerosi multipla e il dolore cronico, l’integrazione dei sistemi di intelligenza artificiale (AI) di seconda generazione basati su CDP nei regimi di trattamento ha mostrato risultati promettenti nel migliorare i risultati terapeutici regolando dinamicamente i parametri di trattamento. I ricercatori ipotizzano che un aggiustamento dinamico personalizzato dei dosaggi di lenvatinib e dei tempi di somministrazione, guidato da un approccio basato sull’intelligenza artificiale tramite un’applicazione mobile, possa ridurre gli eventi avversi, migliorare l’aderenza e aumentare l’efficacia complessiva del trattamento. In questo studio proof-of-concept, i ricercatori mirano a valutare la fattibilità e l’efficacia dell’utilizzo di un sistema di intelligenza artificiale di seconda generazione basato su CDP per ottimizzare il regime terapeutico di lenvatinib nei pazienti affetti da cancro.