Mo, Xiaolan et al. «Tacrolimus en el tratamiento del síndrome nefrótico infantil: el aprendizaje automático detecta nuevos biomarcadores y predice la eficacia». Farmacoterapia vol. 43,1 (2023): 43-52. DOI: 10.1002/phar.2749
Recopilado por Carlos Cabrera Lozada. Miembro Correspondiente Nacional, ANM puesto 16. ORCID: 0000-0002-3133-5183. 24/02/2024
Resumen
Objetivo del estudio: La farmacocinética y la farmacodinamia del tacrolimus (TAC) varían mucho entre los individuos, lo que dificulta su utilización precisa. Además, se carece de modelos eficaces para la predicción precoz de la eficacia del TAC en pacientes con síndrome nefrótico (SN). Nuestro objetivo fue identificar los factores clave que afectan a la eficacia del TAC y desarrollar modelos de predicción de la eficacia para el SN infantil utilizando algoritmos de aprendizaje automático.
Diseño: Se trata de un estudio observacional de cohorte de pacientes con SN pediátrico refractario.
Ajuste: Centro Médico de Mujeres y Niños de Guangzhou entre junio de 2013 y diciembre de 2018.
Pacientes: Se utilizaron 203 pacientes con SN pediátrico refractario para la generación del modelo y 35 pacientes para la validación del modelo.
Intervención: Todos los pacientes recibieron regularmente doble tratamiento inmunosupresor que incluía TAC y dosis bajas de prednisona o metilprednisolona. En este estudio observacional de cohorte de 203 pacientes pediátricos con SN refractario, se identificaron variables clínicas y genéticas, incluido el polimorfismo de un solo nucleótido (SNP). La eficacia del TAC se evaluó a los 3 meses de la administración según dos criterios de evaluación diferentes: respuesta o no respuesta (Grupo 1) y remisión completa, remisión parcial o no remisión (Grupo 2).
Medidas: Para desarrollar y validar los modelos se utilizaron algoritmos de regresión logística, árboles extremadamente aleatorios, árboles de decisión de aumento de gradiente, bosque aleatorio y aumento de gradiente extremo. Los modelos de predicción se validaron en una cohorte de 35 pacientes con SN.
Resultados principales: Los modelos de bosque aleatorio tuvieron el mejor desempeño en ambos grupos, y el área bajo la curva de características operativas del receptor de estos dos modelos fue de 80,7% (Grupo 1) y 80,3% (Grupo 2). Estos modelos de predicción incluyeron el recuento de eritrocitos en orina antes de la administración, los tipos de esteroides y ocho SNP (ITGB4 rs2290460, TRPC6 rs3824934, CTGF rs9399005, IL13 rs20541, NFKBIA rs8904, NFKBIA rs8016947, MAP3K11 rs7946115 y SMARCAL1 rs11886806).
Conclusiones: Se desarrollaron y validaron dos modelos previos a la administración con buen rendimiento predictivo para la respuesta al TAC de pacientes con SN mediante algoritmos de aprendizaje automático. Estos modelos precisos podrían ayudar a los médicos a predecir la eficacia del TAC en pacientes pediátricos con SN antes de su utilización para evitar el fracaso del tratamiento o los efectos adversos.