Chronobiologie gebruiken om de werkzaamheid van lenvatinib te verbeteren

Systemische behandelingen voor schildklierkanker zijn de afgelopen tien jaar ontstaan, vergezeld van een dieper inzicht in de onderliggende moleculaire mechanismen. Hiervan werd lenvatinib, een multi-targeted tyrosinekinaseremmer, goedgekeurd als monotherapie voor de behandeling van lokaal gevorderde of gemetastaseerde radioactief jodium-ongevoelige gedifferentieerde schildklierkanker. Ondanks de werkzaamheid wordt lenvatinib in verband gebracht met een spectrum aan bijwerkingen, waaronder hypertensie, vermoeidheid, proteïnurie en maag-darmstoornissen, die vaak dosisverlaging, onderbreking of definitieve stopzetting noodzakelijk maken. Om deze uitdagingen het hoofd te bieden, richten de onderzoekers zich op het Constrained Disorder Principle (CDP), een innovatieve benadering die de nadruk legt op het onderzoeken van beperkte variabiliteit in behandelingsregimes om de effectiviteit van geneesmiddelen te optimaliseren en bijwerkingen te minimaliseren. In andere ziektecontexten, zoals congestief hartfalen, multiple sclerose en chronische pijn, heeft de integratie van op CDP gebaseerde kunstmatige intelligentie (AI)-systemen van de tweede generatie in behandelingsregimes veelbelovende resultaten opgeleverd bij het verbeteren van therapeutische resultaten door behandelingsparameters dynamisch aan te passen. De onderzoekers veronderstellen dat een gepersonaliseerde dynamische aanpassing van de doseringen en toedieningstijdstip van lenvatinib, geleid door een AI-gestuurde aanpak via een mobiele applicatie, bijwerkingen kan verminderen, de therapietrouw kan verbeteren en de algehele werkzaamheid van de behandeling kan vergroten. In deze proof-of-concept-studie willen de onderzoekers de haalbaarheid en werkzaamheid evalueren van het gebruik van een CDP-gebaseerd AI-systeem van de tweede generatie om het therapeutische regime van lenvatinib bij patiënten met kanker te optimaliseren.