Bruke kronobiologi for å forbedre Lenvatinib-effekten

Systemiske behandlinger for kreft i skjoldbruskkjertelen har dukket opp det siste tiåret, ledsaget av en dypere forståelse av dens underliggende molekylære mekanismer. Blant disse ble lenvatinib, en multi-målrettet tyrosinkinasehemmer, godkjent som monoterapi for behandling av lokalt avansert eller metastatisk radioaktivt jod-refraktær differensiert skjoldbruskkreft. Til tross for sin effekt er lenvatinib assosiert med et spekter av bivirkninger (AE), inkludert hypertensjon, tretthet, proteinuri og gastrointestinale forstyrrelser, som ofte krever dosereduksjon, avbrudd eller permanent seponering. For å overvinne disse utfordringene henvender etterforskerne seg til Constrained Disorder Principle (CDP), en innovativ tilnærming som legger vekt på utforskning av begrenset variasjon i behandlingsregimer for å optimere medikamenteffektiviteten og minimere bivirkninger. I andre sykdomssammenhenger, som kongestiv hjertesvikt, multippel sklerose og kronisk smerte, har integreringen av CDP-baserte andregenerasjons kunstig intelligens (AI)-systemer i behandlingsregimer vist lovende resultater i å forbedre terapeutiske resultater ved å dynamisk justere behandlingsparametere. Etterforskerne antar at en personlig dynamisk justering av lenvatinib-doser og administrasjonstidspunkt, styrt av en AI-drevet tilnærming via en mobilapplikasjon, kan redusere AE, forbedre etterlevelse og forbedre den generelle behandlingseffektiviteten. I denne proof-of-concept-studien tar etterforskerne sikte på å evaluere gjennomførbarheten og effekten av å bruke et CDP-basert andregenerasjons AI-system for å optimalisere det terapeutiske regimet til lenvatinib hos pasienter med kreft.