Att använda kronobiologi för att förbättra Lenvatinibs effektivitet

Systemiska behandlingar för sköldkörtelcancer har dykt upp under det senaste decenniet, åtföljt av en djupare förståelse av dess underliggande molekylära mekanismer. Bland dessa godkändes lenvatinib, en multiriktad tyrosinkinashämmare, som monoterapi för behandling av lokalt avancerad eller metastaserad radioaktivt jod-refraktär differentierad sköldkörtelcancer. Trots sin effekt är lenvatinib associerat med ett spektrum av biverkningar (AE), inklusive hypertoni, trötthet, proteinuri och gastrointestinala störningar, som ofta kräver dosreduktion, avbrott eller permanent utsättning. För att övervinna dessa utmaningar vänder sig utredarna till Constrained Disorder Principle (CDP), ett innovativt tillvägagångssätt som betonar utforskningen av begränsad variabilitet i behandlingsregimer för att optimera läkemedelseffektiviteten och minimera biverkningar. I andra sjukdomssammanhang, såsom kongestiv hjärtsvikt, multipel skleros och kronisk smärta, har integrationen av CDP-baserade andra generationens artificiell intelligens (AI)-system i behandlingsregimer visat lovande resultat för att förbättra terapeutiska resultat genom att dynamiskt justera behandlingsparametrar. Utredarna antar att en personlig dynamisk justering av lenvatinibdoser och administreringstid, styrd av ett AI-drivet tillvägagångssätt via en mobilapplikation, kan minska AE, förbättra vidhäftningen och förbättra den övergripande behandlingens effektivitet. I denna proof-of-concept-studie syftar utredarna till att utvärdera genomförbarheten och effektiviteten av att använda ett CDP-baserat andra generationens AI-system för att optimera den terapeutiska regimen av lenvatinib hos patienter med cancer.